Kırılganlık modellerinden tahmin edilen hayatta kalan eğrileri nasıl oluşturulur (R coxph kullanarak)?

Cox orantılı tehlike modeli için öngörülen hayatta kalma işlevini, kırılganlık terimleriyle [hayatta kalma paketini kullanarak] hesaplamak istiyorum. Modelde kırılganlık terimleri olduğunda tahmin edilen kurtulan işlevinin hesaplanamadığı anlaşılmaktadır.

## Example 
require(survival)
data(rats)

## Create fake weight
set.seed(90989)
rats$weight<-runif(nrow(rats),0.2,0.9)

## Cox model with gamma frailty on litter
fit <- coxph(Surv(time, status) ~ rx+weight+frailty(litter,dist="gamma"),
data = rats) 

## Compute survival curve from the cox model for rx=0 and weight=0.5 kg
plot(survfit(fit, newdata=data.frame(rx=0,weight=0.5)),xlab = "time",
ylab="Survival") 

## Running this line, I get following error message:
Error in survfit.coxph(fit, newdata = data.frame(rx = 0, weight = 0.5)) : 
Newdata cannot be used when a model has sparse frailty terms

sparse=TRUE, Sparse =FALSE, sparse =0, sparse=5Seçenekleri kullanarak seyrek ve seyrek olmayan hesaplama yöntemlerini kullanmayı denedim . Ancak, hiçbiri işe yaramadı.

Öngörülen kurtulan eğrisini kırılganlık modelime göre nasıl hesaplayabilirim?

Buradaki problem, doğrusal karma etkiler modelinden sonuçları tahmin etmeye çalışırken elde edilecek ile aynıdır. Hayatta kalma eğrisi daraltılamadığından, örneğinizdeki her altlığın sığacağınız modele göre altlığa özgü bir sağkalım eğrisi vardır. Bildiğiniz gibi bir zayıflık, muhtemelen genetik özelliklere göre her çöp için endemik olan ortak kafa karıştırıcı ve prognostik değişken seviyelerini gösteren rastgele bir engelle aynıdır. Bu nedenle, tehlike oranı için doğrusal öngörücü, gözlemlenen sabit etkilerin ve rastgele altlık etkilerinin bir karışımıdır. Karışık modellerin aksine, Cox modeli cezalandırılmış regresyon ile kırılganlık terimine uyar, yerleştirilen nesne sınıftadır coxph-penalve bunun için bir yöntem yoktur survreg.coxph-penal, bu nedenle lineer öngörücüyü oluşturma girişimleri başarısız olur. Birkaç geçici çözüm var.

1. Marjinal modeli ortadaki değişkenlerle takın.

2. Değişkenleri ortalayın, uygun hale getirin, sonra rastgele efekt modelini kullanın coxmeve rastgele efektleri çıkarın, her bir çöp için stratuma özgü sağkalım eğrisini hesaplamak için bir ofset ile doğrusal tahmin ediciye ekleyin.

3. 2 yapın ve marjinal modele uymak için ayrı bir yaklaşım olan tüm hayatta kalma eğrilerini birlikte ortalayarak onları marjinalleştirin.

4. Her çöp için farklı sağkalım eğrilerini tahmin etmek için marjinal Cox modelinde sabit etkiler veya katmanlar kullanın.