共変量が時間に依存するコックス比例ハザ,ドモデル
この例では,生存データを計数過程形式に変換してから,共変量が時間に依存するコックス比例ハザードモデルを作成する方法を示します。
手順 1.標準レ@ @アウトと計数過程形式を比較する。
共変量が時間に依存するコックスモデルでは,生存データが標準レイアウトではなく計数過程形式になっている必要があります。標準レイアウトの生存データと計数過程形式の生存データの違いを調べるため,次の標本データを読み込みます。
负载simplesurvivaldata
この標本デ,タには,复发
およびrelapseCP
という2のテブルが含まれています。この2つのテーブルはそれぞれ,同じシンプルな生存データを標準レイアウトと計数過程形式で表しています。
標準レ▪▪アウトのデ▪▪タを表示します。
复发
复发=2×5表身份证年龄StopTreatment时间审查 __ ____ _________ ___ _____________ 1 5 0 20南2 20 30 12
このデ,タは,時間の経過に従って治療状況が変化する2人の患者を表しています。患者1は,0 ~ 5週目の期間に治療を受けておらず,この期間の終わりに再発しました。患者2は,0 ~ 12週目の期間に治療を受けましたが,12 ~ 20週目の期間には治療を受けませんでした。患者2は再発しておらず,20週目の後で調査を打切りました。
次に,同じデ,タを計数過程形式で表示します。
relapseCP
relapseCP =3×6表ID tStart tStop审查TreatmentStatus时代 __ ______ _____ _________ ___ _______________ 1 0 5 0 20 0 2 0 12 1 30 1 2 12 20 30 0
計数過程形式では,各▪▪ベント時間に▪▪いて各行が単一の値ではなくリスク区間(tStart
,tStop
]を表しています。审查
は,リスク区間の終わりでaaplベントが観測された場合は0,観測されなかった場合は1です。TreatmentStatus
は,時間に依存する共変量に対応しており,標準レesc escアウトのStopTreatment
と同じ情報を表します。コックスモデルでは時間に依存する共変量が各リスク区間内で一定であると仮定することに注意してください。
手順 2.標本デ,タを読み込む。
次に,変換する標本デ,タを読み込みます。
负载survivaldatacp
この標本デ,タにはテ,ブル实验室
が含まれ、各患者の反復測定を含むシミュレ、トされた生存デ、タが標準レ、アウトで格納されています。
標準レアウトのシミュレトされた生存デタを表示します。
实验室
实验室=6×7表ID Time censorship Sex Lab_0 Lab_50 Lab_100 ______ _________ ________ ______ _______ 1 46 0 1 0.3 NaN NaN 2 138 10 0.2 0.23 0.39 3 94 0 1 0.18 0.22 NaN 4 50 00 0 0.21 0.2 NaN 5 106 00 0.25 0.21 0.42 6 98 00 0.21 0.22 NaN
標準レ@ @アウトでは,テ@ @ブルの各行は1人の患者に関する情報を示します。
ID
は患者のidを示します。コックスモデルの入力にID
は含めません。ID
は,デ,タセットが計数過程形式に正しく変換されたことを確認するためにデ,タセットに含めます。时间
は,aaplベントが発生するまでの日数を表しており,応答変数に対応します。审查
には各患者の打切り情報が含まれています。1は打ち切られたデータを示し,0はイベントが発生するまでの正確な時間が観測期間の終わりで観測されたことを示します。性
は時間に依存しない予測子であり,1は女性,0は男性を示します。Lab_0
、Lab_50
およびLab_100
は0 50および100日目に測定された3つの連続する実験結果であり,時間に依存する予測子に対応します。
手順 3.生存デ,タを計数過程形式に変換する。
生存デ,タ实验室
を計数過程形式に変換するため,以下のコ,ドを実行します。このコ,ドは,时间
をリスク区間(tStart
,tStop
]に変換し,時間に依存する予測子の3のベクトルLab_0
、Lab_50
およびLab_100
を1のベクトル实验室
に結合します。
mTime = [0 50 100];%测量时间threeLabs =[实验室。Lab_0实验室。Lab_50实验室.Lab_100]; nLabMeasure = sum(sum(~isnan(threeLabs)));%实验室测量次数数据= 0 (nLabMeasure,6);每个观察值对应一行oID = 0;%观察ID为i = 1: size(labS,1) idx = find(mTime <= labS. time (i));为j = 1:长度(idx)-1 oID = oID + 1;:数据(oID) = [labS.ID (i) mTime (j: + 1) 1 labS.Sex (i) threeLabs (i, j)];结束oID = oID + 1;data(oID,:) = [labS.ID(i) mTime(length(idx)) labS.Time(i)...实验室。审查(i)实验室。性(i) threeLabs(i,长度(idx))];结束labCP =表(数据(:1),数据(:,2),数据(:,3),数据(:,4),数据(:,5),数据(:,6),...“VariableNames”, {“ID”,“tStart”,“tStop”,“审查”,“性”,“实验室”});
計数過程形式の生存デ,タを表示します。
labCP
labCP =13×6表ID tStart tStop审查性实验室 __ ______ _____ _________ ___ ____ 1 50 0 46 0 1 0.3 - 2 0 1 0 2 50 100 1 0 0.23 0.2 0.39 100 138 1 0 3 0 1 1 0.18 3 50 94 0 1 0.22 0.21 4 0 50 1 0 4 50 50 50 0 0 0.2 5 0 1 0 5 50 100 1 0 0.21 0.25 0.42 5 100 106 0 0 6 0 50 1 0 6 50 98 0 0 0.22 0.21
計数過程形式では,テ,ブルlabCP
の各行は,1のリスク区間に対応する1。コックスモデルではリスク区間(tStart
,tStop
]で实验室
が一定であると仮定することに注意してください。审查
の値は,リスク区間の終わりでaaplベントが観測された場合は0,観測されなかった場合は1です。
たとえば,患者3は0日目と50日目に2つの実験測定値があるので,計数過程形式では患者3に2行のデータがあります。コックスモデルでは,実験結果0.18および0.22がそれぞれ区間(0,50]および(94)で一定であると仮定します。患者3の正確なescベント時間は94日目に観測されたので,审查
は(0,50]では1,(50,94]では0です。
手順 4.長さがゼロのリスク区間を調整する。
リスク区間の長さがゼロである患者を探します。
idxInvalid = labCP. id (find(labCP. id)tStart == labCP.tStop))
idxInvalid = 4
患者4のデ,タを確認します。
labCP(找到(labCP.ID = = idxInvalid):)
ans =2×6表ID tStart tStop审查性实验室 __ ______ _____ _________ ___ ____ 4 0 50 1 0 50 50 0 0 0.2 0.21 - 4
患者4のaaplベントは,50日目の測定値で同時に発生しています。しかし,コックスモデルでは長さがゼロの区間が認められないので,(50,50]は無効なリスク区間です。リスク区間が有効になるように調整します。時間単位より小さい任意の値を調整量として選択できます。調整量の選択は任意であり,結果は変わりません。
idxAdjust = find(labCP.ID==idxInvalid);labCP.tStop(idxAdjust(1)) = labCP.tStop(idxAdjust(1))-0.5;labCP.tStart(idxAdjust(2)) = labCP.tStart(idxAdjust(2))-0.5;labCP (idxAdjust:)
ans =2×6表ID tStart tStop审查性实验室 __ ______ _____ _________ ___ ____ 4 0 49.5 - 1 0 50 0 0 0.2 49.5 0.21 - 4
手順 5.コックス比例ハザ,ドモデルを作成する。
時間に依存しない変数性
と時間に依存する変数实验室
があるコックス比例ハザ,ドモデルをあてはめます。
X = [labCP.]性labCP.实验室]; T = [labCP.tStart labCP.tStop]; b = coxphfit(X,T,“审查”, labCP。审查,“基线”, 0)
b =2×12.0054 - 29.7530
コックス比例ハザドモデルを評価する方法の詳細にいては,打切りデタのコックス比例ハザドモデルを参照してください。