Konfidenzintervalle der Muhaz-Paket-Hazard-Funktion
Das muhaz Paket schätzt die Hazard-Funktion aus rechts zensiert Daten mit Kernel-Glättungsmethoden. Meine Frage ist, gibt es eine Möglichkeit, Konfidenzintervalle für die Hazard-Funktion zu erhalten, die muhaz berechnet?
Im obigen Beispiel hat muhaz.object fit einige Einträge fit1$msemin , fit1$var.min , fit1$haz.est , aber ihre Länge ist die Hälfte von fit1$haz.est .
Irgendwelche Ideen, wenn es möglich ist, Konfidenzintervalle für die Hazard-Funktion zu extrahieren?
BEARBEITEN: Ich habe Folgendes basierend auf dem Vorschlag von @ user20650
versucht %Vor%Das Einstellen von max.time scheint zu funktionieren, jedes Bootstrap-Sample hat die gleichen Gitterpunkte. Das gewonnene CI ist jedoch wenig sinnvoll. Normalerweise würde ich erwarten, dass die Intervalle bei t = 0 eng sind und mit der Zeit breiter werden (weniger Information, mehr Unsicherheit), aber die erhaltenen Intervalle scheinen mit der Zeit mehr oder weniger konstant zu sein.
1 Antwort
Bootstrapping liefert die Antwort, wie der Kommentator vorgeschlagen hat. Ihre Intuitionen sind richtig, dass Sie erwarten sollten, dass sich die CIs mit abnehmender gefährdeter Zahl erweitern. Dieser Effekt wird jedoch durch den Glättungsprozess verringert und je länger das Intervall ist, über das die Glättung angewendet wird, desto weniger sollten Sie die Änderung der Größe des CI bemerken. Versuchen Sie, über ein ausreichend kurzes Intervall zu glätten, und Sie sollten bemerken, dass sich die CIs merklich erweitern.
Wie Sie vielleicht finden, können diese geglätteten Gefährdungsdiagramme sehr begrenzt verwendet werden und sind sehr empfindlich für die Glättung. Als Übung ist es lehrreich, Überlebenszeiten aus einer Reihe von Weibull-Verteilungen mit dem auf 0,8, 1,0, 1,2 festgelegten Formparameter zu simulieren und dann diese geglätteten Gefahrenplots zu betrachten und zu versuchen, sie zu kategorisieren. In dem Ausmaß, in dem diese Diagramme informativ sind, sollte es ziemlich einfach sein, den Unterschied zwischen diesen drei Kurven basierend auf der Trendrate der Gefahrenfunktion zu bestimmen. YMMV, aber ich war nicht sehr beeindruckt von den Ergebnissen, wenn ich diese Tests mit angemessenen Probengrößen durchgeführt habe, die mit klinischen Studien in der Onkologie übereinstimmen.
Als Alternative zu geglätteten Hazardplots könnten Sie versuchen, stückweise Exponentialkurven nach der Methode von Han et al. ( Ссылка ) und bootstrappt das. Ihr Algorithmus wird die Bruchpunkte identifizieren, bei denen sich die Hazardrate statistisch signifikant ändert, und kann Ihnen einen besseren Eindruck von der Entwicklung der Gefährdungsrate geben als geglättete Hazardplots. Es wird auch die etwas willkürliche aber konsequente Wahl von Glättungsparametern vermieden.
Tags und Links r survival-analysis