R cch 將比例風險回歸模型擬合到病例隊列數據

說明

返返回自 case-cohort 研究數據的相對風險回歸擬合的估計值和標準誤差。對於未分層數據，可以在 Prentice、Self-Prentice 和 Lin-Ying 方法中進行選擇。對於分層數據，可選擇 Borgan I(針對非分層 case-cohort 數據的 Self-Prentice 估計器的泛化)和 Borgan II(Lin-Ying 估計器的泛化)。

用法

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

參數

formula	必須具有 Surv 對象作為響應的公式對象。 Surv 對象的類型必須是 "right" 或 "counting" 類型。
subcoh	作為 sub-cohort 一部分采樣的受試者指標向量。 sub-cohort 的成員代碼為1 或TRUE，其他代碼為0 或FALSE。如果data是數據幀，則subcoh可能是單方麵公式。
id	唯一標識符的向量，或指定此類向量的公式。
stratum	層指標向量或指定此類向量的公式
cohort.size	包含每個層原始隊列大小的向量，從中采樣子隊列
data	一個可選的 DataFrame ，用於解釋公式中出現的變量。
method	可以使用三種程序。默認方法是"Prentice"，可選擇"SelfPrentice"或"LinYing"。
robust	僅適用於"LinYing"，如果robust=TRUE，則即使對於第一階段也使用基於設計的標準錯誤

細節

實現 Therneau 和 Li (1999) 說明的 case-cohort 數據分析方法。這三種方法的不同之處在於選擇"risk sets"，用於將故障的協變量值與故障時其他麵臨風險的協變量值進行比較。 "Prentice" 使用sub-cohort 成員"at risk" 加上失敗(如果失敗發生在sub-cohort 之外並且分數無偏差)。 "SelfPren" (Self-Prentice) 僅使用sub-cohort 成員"at risk"。這兩者具有相同的漸近方差-協方差矩陣。 "LinYing" (Lin-Ying) 使用sub-cohort 的所有成員以及sub-cohort 之外屬於"at risk" 的所有故障。這些方法在給予不同分數貢獻的權重方麵也有所不同。

data 參數不得缺少模型中任何變量的值。子隊列之外不得有任何經過審查的觀察結果。

值

"cch" 類的對象，包含估計回歸係數列表及其漸近方差-協方差矩陣的兩個估計。

coef	回歸係數。
naive.var	Self-Prentice 基於模型的方差-協方差矩陣。
var	Lin-Ying 經驗方差-協方差矩陣。

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

參考

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" 封裝中的twophase 和svycoxph 用於更通用的two-phase 設計。 http://faculty.washington.edu/tlumley/survey/