R cch 将比例风险回归模型拟合到病例队列数据

说明

返返回自 case-cohort 研究数据的相对风险回归拟合的估计值和标准误差。对于未分层数据，可以在 Prentice、Self-Prentice 和 Lin-Ying 方法中进行选择。对于分层数据，可选择 Borgan I(针对非分层 case-cohort 数据的 Self-Prentice 估计器的泛化)和 Borgan II(Lin-Ying 估计器的泛化)。

用法

cch(formula, data, subcoh, id, stratum=NULL, cohort.size,
    method =c("Prentice","SelfPrentice","LinYing","I.Borgan","II.Borgan"),
    robust=FALSE)

参数

formula	必须具有 Surv 对象作为响应的公式对象。 Surv 对象的类型必须是 "right" 或 "counting" 类型。
subcoh	作为 sub-cohort 一部分采样的受试者指标向量。 sub-cohort 的成员代码为1 或TRUE，其他代码为0 或FALSE。如果data是数据帧，则subcoh可能是单方面公式。
id	唯一标识符的向量，或指定此类向量的公式。
stratum	层指标向量或指定此类向量的公式
cohort.size	包含每个层原始队列大小的向量，从中采样子队列
data	一个可选的 DataFrame ，用于解释公式中出现的变量。
method	可以使用三种程序。默认方法是"Prentice"，可选择"SelfPrentice"或"LinYing"。
robust	仅适用于"LinYing"，如果robust=TRUE，则即使对于第一阶段也使用基于设计的标准错误

细节

实现 Therneau 和 Li (1999) 说明的 case-cohort 数据分析方法。这三种方法的不同之处在于选择"risk sets"，用于将故障的协变量值与故障时其他面临风险的协变量值进行比较。 "Prentice" 使用sub-cohort 成员"at risk" 加上失败(如果失败发生在sub-cohort 之外并且分数无偏差)。 "SelfPren" (Self-Prentice) 仅使用sub-cohort 成员"at risk"。这两者具有相同的渐近方差-协方差矩阵。 "LinYing" (Lin-Ying) 使用sub-cohort 的所有成员以及sub-cohort 之外属于"at risk" 的所有故障。这些方法在给予不同分数贡献的权重方面也有所不同。

data 参数不得缺少模型中任何变量的值。子队列之外不得有任何经过审查的观察结果。

值

"cch" 类的对象，包含估计回归系数列表及其渐近方差-协方差矩阵的两个估计。

coef	回归系数。
naive.var	Self-Prentice 基于模型的方差-协方差矩阵。
var	Lin-Ying 经验方差-协方差矩阵。

例子

## The complete Wilms Tumor Data 
## (Breslow and Chatterjee, Applied Statistics, 1999)
## subcohort selected by simple random sampling.
##

subcoh <- nwtco$in.subcohort
selccoh <- with(nwtco, rel==1|subcoh==1)
ccoh.data <- nwtco[selccoh,]
ccoh.data$subcohort <- subcoh[selccoh]
## central-lab histology 
ccoh.data$histol <- factor(ccoh.data$histol,labels=c("FH","UH"))
## tumour stage
ccoh.data$stage <- factor(ccoh.data$stage,labels=c("I","II","III","IV"))
ccoh.data$age <- ccoh.data$age/12 # Age in years

##
## Standard case-cohort analysis: simple random subcohort 
##

fit.ccP <- cch(Surv(edrel, rel) ~ stage + histol + age, data =ccoh.data,
   subcoh = ~subcohort, id=~seqno, cohort.size=4028)


fit.ccP

fit.ccSP <- cch(Surv(edrel, rel) ~ stage + histol + age, data =ccoh.data,
   subcoh = ~subcohort, id=~seqno, cohort.size=4028, method="SelfPren")

summary(fit.ccSP)

##
## (post-)stratified on instit
##
stratsizes<-table(nwtco$instit)
fit.BI<- cch(Surv(edrel, rel) ~ stage + histol + age, data =ccoh.data,
   subcoh = ~subcohort, id=~seqno, stratum=~instit, cohort.size=stratsizes,
   method="I.Borgan")

summary(fit.BI)

作者

Norman Breslow, modified by Thomas Lumley

参考

Prentice, RL (1986). A case-cohort design for epidemiologic cohort studies and disease prevention trials. Biometrika 73: 1-11.

Self, S and Prentice, RL (1988). Asymptotic distribution theory and efficiency results for case-cohort studies. Annals of Statistics 16: 64-81.

Lin, DY and Ying, Z (1993). Cox regression with incomplete covariate measurements. Journal of the American Statistical Association 88: 1341-1349.

Barlow, WE (1994). Robust variance estimation for the case-cohort design. Biometrics 50: 1064-1072

Therneau, TM and Li, H (1999). Computing the Cox model for case-cohort designs. Lifetime Data Analysis 5: 99-112.

Borgan, O, Langholz, B, Samuelsen, SO, Goldstein, L and Pogoda, J (2000) Exposure stratified case-cohort designs. Lifetime Data Analysis 6, 39-58.

也可以看看

"survey" 封装中的twophase 和svycoxph 用于更通用的two-phase 设计。 http://faculty.washington.edu/tlumley/survey/