模拟竞争风险数据

Question

我的目标是模拟可用于测试竞争风险的数据集模型。我只是用 survsim::crisk.sim 函数尝试一个简单的例子，但是它不会导致我期望的结果。

 require(survival)
 simulated_data <- survsim::crisk.sim(n = 100,
                                      foltime = 200,
                                      dist.ev = rep("weibull", 2),
                                      anc.ev = c(0.8, 0.9),
                                      beta0.ev = c(2, 4),
                                      anc.cens = 1,
                                      beta0.cens = 5,
                                      nsit = 2)

 model <- survreg(Surv(time, status) ~ 1 + strata(cause), data = simulated_data)

 exp(model$scale)

 ## cause=1  cause=2 
 ## 4.407839 2.576357

我希望这些数字与 beta0.ev 相同。任何指向什么的指针我可能会做错或其他如何模拟竞争风险数据的建议。

完成：我希望模拟数据中的事件发生在每个风险不同的 Weibull 分布之后。我希望能够在数据中指定一个层次和集群。检查可以遵循 Weibull 或 Bernouli 分布。

Answer 1

要恢复指定的估计值，您可以使用 survreg 和特定原因的符号。

此示例使用您的参数，但为了更精确地估计更多患者：

set.seed(101)
stack_data <- survsim::crisk.sim(n = 2000,
                                     foltime = 200,
                                     dist.ev = rep("weibull", 2),
                                     anc.ev = c(0.8, 0.9),
                                     beta0.ev = c(2, 4),
                                     anc.cens = 1,
                                     beta0.cens = 5,
                                     nsit = 2)

m1 <- survreg(Surv(time, cause==1) ~ 1, data =stack_data, dist = "weibull")
m2 <- survreg(Surv(time, cause==2) ~ 1, data = stack_data, dist = "weibull")

m1$coefficients 这将接近 beta0.ev 原因 1

m2$coefficients 这将接近 beta0.ev 原因 2

> m1$coefficients
(Intercept) 
   1.976449 
> m2$coefficients
(Intercept) 
   3.995716

m1$scale 这将接近 anc.ev 原因 1

m2$scale 这将接近 anc.ev 原因 2

> m1$scale
[1] 0.8088574
> m2$scale
[1] 0.8923334

不幸的是，这仅适用于统一审查或低非统一审查（例如在您的示例中）

如果我们增加审查的风险，则截距不代表 beta0.ev 参数

set.seed(101)
stack_data <- survsim::crisk.sim(n = 2000,
                                     foltime = 200,
                                     dist.ev = rep("weibull", 2),
                                     anc.ev = c(0.8, 0.9),
                                     beta0.ev = c(2, 4),
                                     anc.cens = 1,
                                     beta0.cens = 2, #reduced from 5, increasing the hazard function for censoring rate
                                     nsit = 2)

m1 <- survreg(Surv(time, cause==1) ~ 1, data =stack_data, dist = "weibull")
m2 <- survreg(Surv(time, cause==2) ~ 1, data = stack_data, dist = "weibull")

> m1$coefficients
(Intercept) 
   1.531818 
> m2$coefficients
(Intercept) 
   3.553687 
> 
> m1$scale
[1] 0.8139497
> m2$scale
[1] 0.8910465

模拟竞争风险数据

Simulate competing risk data

simulation

r

survival-analysis

weibull