Modelli discreti di tempo a rischio (cloglog) in R


10

Il survivalpacchetto Rsembra focalizzarsi su modelli di sopravvivenza a tempo continuo. Sono interessato a stimare una versione temporale discreta di un modello di rischio proporzionale, il modello log-log complementare. Ho un modello di sopravvivenza abbastanza semplice, con una semplice censura giusta.

So che un modo per stimare questo modello è quello di creare un set di dati con una riga separata per ogni osservazione per ogni periodo in cui non è "morto". Quindi, è possibile utilizzare un glmmodello con il cloglogcollegamento.

Questo approccio sembra molto memoria inefficiente; in effetti, probabilmente produrrebbe un set di dati che è troppo grande per la memoria sulla mia macchina.

Un secondo approccio sarebbe codificare il MLE me stesso. Sarebbe abbastanza semplice, ma spero che esista un pacchetto con questo modello di sopravvivenza. Sarebbe più semplice collaborare ed evitare errori di codifica per usare un pacchetto.

Qualcuno sa di un tale pacchetto?


2
Se questo è un tempo discreto, devi avere molti legami, giusto? Ho l'impressione che coxph(ties="exact"), nel survivalpacchetto standard , renda il modello "un modello logistico condizionale, ed è appropriato quando i tempi sono un piccolo insieme di valori discreti". Questo non funzionerebbe per te? È b / c che non userebbe il clogloglink?
gung - Ripristina Monica

1
@gung, grazie per il puntatore; Non sapevo di quella funzione. Preferirei usare il clogloglink, comunque.
Charlie,

Risposte:


8

Avere più file per ogni osservazione può sembrare ridondante, ma, probabilmente, non lo è. Se nel modello vi sono covariate variabili nel tempo, allora ogni mese di osservazione avrà certamente bisogno della propria riga. Un esempio particolare di una covariata che varia nel tempo è il tempo trascorso. Poiché questa variabile dovrebbe quasi sicuramente essere inclusa nel modello, ha senso avere una riga separata per ciascun periodo di osservazione. Pertanto, il primo approccio suggerito è probabilmente il migliore.

Si noti che questo è diverso da un modello di rischi proporzionale a tempo continuo con una distribuzione di Weibull. Lì, il modello di sopravvivenza può essere semplificato su una singola linea per ogni osservazione se il tempo trascorso è l'unica covariata variabile nel tempo (vedi qui , per esempio). Un risultato simile vale per il modello di rischio proporzionale Cox.

Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.