newdata при построении кривой выживания кокса-регрессии в r

Question

Я пытаюсь построить скорректированную кривую выживаемости, построив регрессию кокса при использовании переменных взаимодействий.

чтение survfit.coxph страницы https://stat.ethz.ch/R-manual/R-devel/library/survival/html/survfit.coxph.html я вижу параметр «NewData»

newdata 
a data frame with the same variable names as those that appear in the coxph formula. It is also valid to use a vector, if the data frame would consist of a single row. 

The curve(s) produced will be representative of a cohort whose covariates correspond to the values in newdata. Default is the mean of the covariates used in the coxph fit. 

Где я хочу построить линии в моем выходе Коксы, которые взаимодействие. То есть, если мой сох выход выглядит следующим образом:

    coef exp(coef) se(coef)  z  p 
Drug2   -0.1345  0.876 0.1812 -0.732 4.5e-01 
Drug3   -0.3678  0.719 0.0816 -3.966 7.2e-05 
Drug4   0.0468  1.063 0.0432 0.932 3.4e-01 
Sex    0.2574  1.294 0.0786 3.133 1.2e-03 
Sex:Drug2  -0.1283  0.880 0.1809 -0.709 4.8e-01 
Sex:Drug3  -0.3226  0.724 0.0817 -3.950 7.8e-05 
Sex:Drug4  0.0524  1.054 0.0574 0.913 3.6e-01 

Я хочу, чтобы построить новые кривые выживаемости для моей переменной Drug после взаимодействия с Sex.

Что приводит меня к этому параметру newdata.

В чем отличие не включая newdata и просто использование среднего числа ковариатов по сравнению с вызовом newdata. На данный момент я даже не знаю, как правильно строить newdata.

Если кто-нибудь может дать мне какие-либо указатели на то, как я буду строить newdata на основе моей модели cox, и каково это значение по сравнению с использованием только среднего. Я должен ожидать того же количества линий в моей первоначальной кривой выживания при построении этого нового графика выживания на основе данных cox.

Answer 1

Вы по-прежнему будете иметь скорректированную среднюю выживаемость в качестве неявной «кривой выживаемости», но кривые, основанные на newdata, будут иметь коэффициенты риска, смещенные от 1,0 на коэффициент exp (coef). Вы вводите значения, которые представляют функции, для которых вы хотите оценить, а функция expand.grid создаст все комбинации ковариантов 2way. Непонятно, как вы моделировали Sex, но из вывода видно, что он является числовым, а не фактором, и я предполагаю, что существует одно различие в единицах. Попытка:

plot(survfit(my.fit, newdata=expand.grid(Sex=c(1,2), drug=factor(1:4))))