时间戳

首页 > 解决方案 > 随时间创建交互变量后求解 Cox 比例风险

python - 随时间创建交互变量后求解 Cox 比例风险

问题描述

我正在使用生命线包进行 Cox 回归。在尝试拟合模型后，我检查了 CPH 假设是否存在任何可能的违规行为，它返回了一些有问题的变量以及建议的解决方案。

我想尝试的解决方案之一是这里建议的解决方案： https ://lifelines.readthedocs.io/en/latest/jupyter_notebooks/Proportional%20hazard%20assumption.html#Introduce-time-variing-covariates

但是，此处编写的示例使用CoxTimeVaryingFitter，与CoxPHFitter不同，它没有一致性分数，这将帮助我衡量模型性能。此外，CoxTimeVaryingFitter没有检查假设功能。这是否意味着通过将其放入情节格式，所有假设都会自动满足？

或者，在阅读了有关生存分析的 SAS 教科书后，他们的解决方案似乎是直接创建交互项（将有问题的变量与生存时间相乘），而不将格式更改为情节格式（如链接所示）。这样，由于CoxPHFitter的模型评分功能，我希望继续使用它。

但是，在执行此替代方案后，当我再次在具有时间交互变量的模型上调用 check_assumptions 时，违反了时间交互变量的 CPH 假设。

现在我左右为难：

  1. 在不知道模型性能的情况下使用CoxTimeVaryingFitter （似乎是个坏主意）
  2. 使用CoxPHFitter，但在时间交互变量上违反了假设（这本质上似乎无法解决问题）

非常感谢任何有关解决这种困惑的帮助

标签： pythondata-sciencesurvival-analysiscox-regressionlifelines

解决方案

推荐阅读