Modèles à aléas temporels discrets (loglogiciel) dans R

10

L' survivalensemble Rsemble se concentrer sur des modèles de survie à temps continu. Je souhaite estimer une version en temps discret d'un modèle de risque proportionnel, le modèle log-log complémentaire. J'ai un modèle de survie assez simple, avec une simple censure à droite.

Je sais qu'une façon d'estimer ce modèle est de créer un ensemble de données qui a une ligne distincte pour chaque observation pour chaque période où il n'est pas "mort". Ensuite, un glmmodèle avec le clogloglien peut être utilisé.

Cette approche semble très inefficace en mémoire; en effet, cela produirait probablement un ensemble de données trop volumineux pour la mémoire de ma machine.

Une deuxième approche serait de coder le MLE moi-même. Ce serait assez simple, mais j'espère qu'il y a un package qui a ce modèle de survie en conserve. Il serait simplement plus facile pour la collaboration et d'éviter les erreurs de codage d'utiliser un package.

Quelqu'un connaît-il un tel package?

Charlie
la source
2
Si c'est un moment discret, vous devez avoir beaucoup de liens, non? J'ai l'impression que coxph(ties="exact"), dans le survivalpackage standard , fait du modèle "un modèle logistique conditionnel, et est approprié lorsque les temps sont un petit ensemble de valeurs discrètes". Cela ne fonctionnerait-il pas pour vous? Est-ce que b / c il n'utiliserait pas le clogloglien?
gung - Rétablir Monica
1
@gung, Merci pour le pointeur; Je ne connaissais pas cette fonctionnalité. Je préférerais cependant utiliser le clogloglien.
Charlie

Réponses:

8

Avoir plusieurs lignes pour chaque observation peut sembler redondant, mais ce n'est probablement pas le cas. S'il existe des covariables variant dans le temps dans le modèle, alors chaque mois d'observation aura certainement besoin de sa propre ligne. Un exemple particulier de covariable variant dans le temps est le temps écoulé. Puisque cette variable devrait presque certainement être incluse dans le modèle, il est logique d'avoir une ligne distincte pour chaque période d'observation. Ainsi, la première approche suggérée est probablement la meilleure.

Notez que ceci est différent d'un modèle de risques proportionnels à temps continu avec une distribution de Weibull. Là, le modèle de survie peut être simplifié en une seule ligne pour chaque observation si le temps écoulé est la seule covariable variant dans le temps (voir ici , par exemple). Un résultat similaire est valable pour le modèle de risque proportionnel de Cox.

Charlie
la source