模拟竞争风险数据

Posted 2023-02-19

【中文标题】模拟竞争风险数据

【英文标题】：Simulate competing risk data

【发布时间】：2015-12-27 16:04:12

【问题描述】：

我的目标是模拟一个可用于测试竞争风险的数据集 模型。我只是在尝试使用 survsim::crisk.sim 函数的简单示例，但是 它不会导致我期望的结果。

 require(survival)
 simulated_data <- survsim::crisk.sim(n = 100,
                                      foltime = 200,
                                      dist.ev = rep("weibull", 2),
                                      anc.ev = c(0.8, 0.9),
                                      beta0.ev = c(2, 4),
                                      anc.cens = 1,
                                      beta0.cens = 5,
                                      nsit = 2)

 model <- survreg(Surv(time, status) ~ 1 + strata(cause), data = simulated_data)

 exp(model$scale)

 ## cause=1  cause=2 
 ## 4.407839 2.576357 

我希望这些数字与beta0.ev 相同。任何指向什么的指针 我可能会在方面做错或提出其他建议。

为了完成：我希望模拟数据中的事件遵循每个风险不同的 Weibull 分布。我希望能够在数据中指定一个层次和集群。审查可以遵循 Weibull 或 Bernouli 分布。

【问题讨论】：

检查 survreg 的示例并确保模型 survreg 拟合的参数化与 crisk.sim 相同。

survreg 的帮助页面特别警告我们有关 Weibull 参数的参数化。 # survreg's scale = 1/(rweibull shape) # survreg's intercept = log(rweibull scale)

【参考方案1】：

要恢复您指定的估计值，您可以使用 survreg 和特定原因的表示法。

此示例使用您的参数，但需要更多患者进行更精确的估计：

set.seed(101)
stack_data <- survsim::crisk.sim(n = 2000,
                                     foltime = 200,
                                     dist.ev = rep("weibull", 2),
                                     anc.ev = c(0.8, 0.9),
                                     beta0.ev = c(2, 4),
                                     anc.cens = 1,
                                     beta0.cens = 5,
                                     nsit = 2)

m1 <- survreg(Surv(time, cause==1) ~ 1, data =stack_data, dist = "weibull")
m2 <- survreg(Surv(time, cause==2) ~ 1, data = stack_data, dist = "weibull")

m1$coefficients 这将接近 beta0.ev 的原因 1

m2$coefficients 原因 2 将接近 beta0.ev

> m1$coefficients
(Intercept) 
   1.976449 
> m2$coefficients
(Intercept) 
   3.995716 

m1$scale 这将接近 anc.ev 原因 1

m2$scale 这将接近 anc.ev 原因 2

> m1$scale
[1] 0.8088574
> m2$scale
[1] 0.8923334

不幸的是，这仅适用于统一审查或低非统一审查（例如在您的示例中）

如果我们增加审查的风险，那么截距不代表 beta0.ev 参数

set.seed(101)
stack_data <- survsim::crisk.sim(n = 2000,
                                     foltime = 200,
                                     dist.ev = rep("weibull", 2),
                                     anc.ev = c(0.8, 0.9),
                                     beta0.ev = c(2, 4),
                                     anc.cens = 1,
                                     beta0.cens = 2, #reduced from 5, increasing the hazard function for censoring rate
                                     nsit = 2)

m1 <- survreg(Surv(time, cause==1) ~ 1, data =stack_data, dist = "weibull")
m2 <- survreg(Surv(time, cause==2) ~ 1, data = stack_data, dist = "weibull")

> m1$coefficients
(Intercept) 
   1.531818 
> m2$coefficients
(Intercept) 
   3.553687 
> 
> m1$scale
[1] 0.8139497
> m2$scale
[1] 0.8910465