mice() 可以处理 crr() 吗？精细灰色模型

Question

我怀疑是否有可能在来自“crr()”的 Fine-Gray 拟合模型上合并来自“mice()”的多重插补数据集，以及它是否在统计上是正确的...

例子

library(survival)
library(mice)
library(cmprsk)

test1 <- as.data.frame(list(time=c(4,3,1,1,2,2,3,5,2,4,5,1, 4,3,1,1,2,2,3,5,2,4,5,1), 
                            status=c(1,1,1,0,2,2,0,0,1,1,2,0, 1,1,1,0,2,2,0,0,1,1,2,0),
                            x=c(0,2,1,1,NA,NA,0,1,1,2,0,1, 0,2,1,1,NA,NA,0,1,1,2,0,1),
                            sex=c(0,0,0,NA,1,1,1,1,NA,1,0,0, 0,0,0,NA,1,1,1,1,NA,1,0,0)))

dat <- mice(test1,m=10, seed=1982)

#Cox regression: cause 1

models.cox1 <- with(dat,coxph(Surv(time, status==1) ~ x +sex ))                 

summary(pool(models.cox1))

#Cox regression: cause 1 or 2

models.cox <- with(dat,coxph(Surv(time, status==1 | status==2) ~ x +sex ))                 
models.cox
summary(pool(models.cox))


#### crr()

#Fine-Gray model

models.FG<- with(dat,crr(ftime=time, fstatus=status,  cov1=test1[,c( "x","sex")], failcode=1, cencode=0, variance=TRUE))                 

summary(pool(models.FG))

#Error in pool(models.FG) : Object has no vcov() method.

models.FG

Answer 1

要使它正常工作，需要做几件事。

您的初始数据和估算。

library(survival)
library(mice)
library(cmprsk)

test1 <- as.data.frame(list(time=c(4,3,1,1,2,2,3,5,2,4,5,1, 4,3,1,1,2,2,3,5,2,4,5,1), 
                            status=c(1,1,1,0,2,2,0,0,1,1,2,0, 1,1,1,0,2,2,0,0,1,1,2,0),
                            x=c(0,2,1,1,NA,NA,0,1,1,2,0,1, 0,2,1,1,NA,NA,0,1,1,2,0,1),
                            sex=c(0,0,0,NA,1,1,1,1,NA,1,0,0, 0,0,0,NA,1,1,1,1,NA,1,0,0)))

dat <- mice(test1,m=10, print=FALSE)

crr 模型没有 vcov 方法 mice 需要，但是，我们可以使用 model$var 返回值访问协方差矩阵。

所以自己写vcov方法提取，还需要一个coef方法。

vcov.crr <- function(object, ...) object$var # or getS3method('vcov','coxph')
coef.crr <- function(object, ...) object$coef

将模型传递给 with.mids 的方式也存在错误：您的代码具有 cov1=test1[,c( "x","sex")]，但您确实希望 cov1 使用估算数据。由于 cov1 需要一个包含相关变量的矩阵，我不确定如何将其正确地写成表达式，但是您可以轻松地对函数进行硬编码。

# This function comes from mice:::with.mids
Andreus_with <- 
function (data, ...) {
    call <- match.call()
    if (!is.mids(data)) 
        stop("The data must have class mids")
    analyses <- as.list(1:data$m)
    for (i in 1:data$m) {
        data.i <- complete(data, i)
        analyses[[i]] <- crr(ftime=data.i[,'time'], fstatus=data.i[,'status'],  
                         cov1=data.i[,c( "x","sex")], 
                         failcode=1, cencode=0, variance=TRUE)
    }
    object <- list(call = call, call1 = data$call, nmis = data$nmis, 
        analyses = analyses)
    oldClass(object) <- c("mira", "matrix")
    return(object)
}

编辑：

mice 内部结构自此回答以来已发生变化；它现在使用 broom 包从拟合的 crr 模型中提取元素。因此需要 crr 模型的 tidy 和 glance 方法：

tidy.crr <- function(x, ...) {
  co = coef(x)
  data.frame(term = names(co), 
             estimate = unname(co), 
             std.error=sqrt(diag(x$var)), 
             stringsAsFactors = FALSE)
}

glance.crr <- function(x, ...){ }

然后上面的代码允许合并数据。

models.FG <- Andreus_with(dat)                 
summary(pool(models.FG))

请注意，这给出了关于 df.residual 未定义的警告，因此假设样本很大。我对 crr 不熟悉，因此也许可以提取更合理的值——然后将其添加到 tidy 方法中。 (鼠标版本‘3.6.0’)

mice() 可以处理 crr() 吗？精细灰色模型

can mice() handle crr()? Fine-Gray model

r

survival-analysis

r-mice

例子