苏特维普

外科手术是一个R包，用于非比例安装Cox具有时变系数的风险模型。两者都未启用程序（牛顿和近似牛顿）和惩罚程序使用B样条基包含（P样条和平滑样条）用于估计时变系数的函数。对于被处罚的实施程序、交叉验证、mAIC、TIC或GIC选择调谐参数。进行后评估的实用程序可视化、摘要、点式置信区间和还提供了假设检验。

介绍

来自国家疾病的大规模时间-事件数据注册在医学研究中迅速兴起。检测和会计因为时变效应特别重要，因为时变临床文献中已经报道了其疗效。然而，目前还没有正式的R包来估计时变没有预先假设时间相关函数的影响。不准确的预先假设会极大地影响估计，导致不可靠的结果。为了解决这个问题，我们开发了一个时变的使用不需要惩罚的样条函数项建模真时变函数的预先假设，并实现了它在R中。

与传统方法相比，我们的包提供了几个优点。首先，建立时变生存模型的传统方法通常依赖于将原始数据扩展为重复测量格式。然而，即使样本量适中，这也会导致以及计算繁重的工作数据集。我们的包裹地址通过提出计算效率高的Kronecker基于产品的近似算法，允许评估大规模研究中的时变效应。此外，我们的套餐允许并行计算，可以处理中到大的样本尺寸比当前方法更有效。

在我们的统计软件教程中，我们解决了一个常见问题分析具有接近零的二进制协变量的数据时遇到的问题变化。例如，在SEER前列腺癌数据中，只有0.6%716553例患者肿瘤位于淋巴结附近。在在这种情况下，相关的观测到的Newton型信息矩阵该方法可能具有接近零的最小特征值和较大的条件数字。对这个几乎奇异的矩阵进行反演可以得到不稳定性和相应的牛顿更新可能局限于初始值的小邻域，导致估计远不是最佳解决方案。为了解决这个问题，我们的提出的Proximal-Newtown方法利用了一个修正的Hessian矩阵，这样可以在这些场景中进行准确的估计。

安装

注： 这套方案仍处于早期阶段因此，请毫不犹豫地报告您可能遇到的任何问题体验。

该软件包仅适用于R 4.1.0+。

您可以通过以下方式安装“surtvep”：

install.packages（“devtools”）install.packages（“远程”）远程：：install_github（“UM-KevinHe/surtvep”）

我们建议从辅导的,因为它提供了包使用的概述，包括预处理、模型训练、惩罚参数的选择，以及后评估程序。

详细教程

有关详细的教程和模型参数解释，请访问在这里.

获取帮助：

如果您遇到任何问题或错误，请联系我们：lfluo@umich.edu,kevinhe@umich.edu,Wenbo.Wu@nyulangone.org

工具书类

[1] Gray，R.J.（1992）。分析生存数据的灵活方法使用样条函数，应用于乳腺癌预后。日记账美国统计协会, 87(420), 942–951.https://doi.org/10.2307/2290630

[2] 格雷，R.J.（1994）。生存分析中基于样条的测试。生物识别, 50(3), 640–652. https://doi.org/10.2307/2532779

[3] He，K.，Zhu，J.，Kang，J.和Li，Y.（2022）。分层考克斯国家肾移植的时变效应模型患者：一种新的分段最陡上升方法。生物识别,78(3), 1221–1232. https://doi.org/10.1111/biom.13473

[4] Luo，L.、He，K.、Wu，W.和Taylor，J.M.（2023）。使用分析时选择平滑参数的信息标准具有时变系数风险模型的生存数据。医学研究中的统计方法，正在印刷中。https://doi.org/10.1177/09622802231181471

[5] Wu，W.，Taylor，J.M.，Brouwer，A.F.，Luo，L.，Kang，J.，Jiang，H.，&He，K.（2022年）。针对特定原因的可缩放近似方法时变系数风险建模。终身数据分析, 28 (2), 194–218.https://doi.org/10.1007/s10985-021-09544-2