原文链接：http://tecdat.cn/?p=26632
理解世界，我们可以从相关性的角度去描述，统计，机器学习，很多问题都是从相关的角度去描述的。我们去构建一个模型，不管是统计机器学习模型，还是深度学习模型，本质上是构建一个复杂映射。从特征到标签的一个映射，这个映射是有用的，但不完全有用。
因果分析
我们在这里用一个隐喻，下雨，来描述causal 和relevance。我们可以构建一个关于预测明天是否下雨的模型，从搜集到的大量特征，以及历史的下雨结果最为标签，构建模型。不管准确率多少，我们用这样一个模型能够预测明天是否能够下雨。
但是，我们很多时候要的不仅仅是预测，而是需要改变现状，例如沙漠中，我们想要哪些因素改变了，能够导致下雨。这就涉及到因果推断， causal inference 。
因果生存分析
在报告随机实验的结果时，除了意向治疗效应外，研究人员通常选择呈现符合方案效应。然而，这些符合方案的影响通常是回顾性描述的，例如，比较在整个研究期间坚持其指定治疗策略的个体之间的结果。这种对符合方案效应的回顾性定义经常被混淆，并且无法进行因果解释，因为它遇到了治疗混杂因素。
我们的目标是概述使用逆概率加权对生存结果的因果推断。这里描述的基本概念也适用于其他类型的暴露策略，尽管这些可能需要额外的设计或分析考虑。本文使用生存模型因果分析流行病学随访研究数据（查看文末了解数据获取方式）。
生存曲线的非参数估计
# 对数据进行一些预处理 ifelse(nes$death==0, 120, (ns$yrh-83)*12+nhefs$moh) # yrt从83到92不等
summary(survtime)
survdiff(Surv(srtm, dah) ~ qmk, data=nes)
fit <- survfit(Surv(rvie, dth) ~ sk, data=ns) ggsurvplot(fit
点击标题查阅往期内容
01
02
03
04
通过风险模型对生存曲线进行参数化估计
# 创建月数据 efsurv$ent <- ifelse(nhfs.rv$time==nhfs.urv$srvme-1 & nhf.srv$death==1, 1, 0) # 拟合参数性风险模型 haads.el <- glm(event==0 ~ qs
#对每个人月的估计（1-风险）的分配 */ qk0$pnoevt0 <- predict(hardoel, mk0, type="response") # 计算每个人月的生存率 qm0$uv0 <- cumprod(qm0$pnoet0) # 一些数据管理来绘制估计的生存曲线 hadgrh$suvdff <- haardsgph$suv1-hardgrph$srv0 # 绘制 ggplot(hads.aph
通过IP加权风险模型估计生存曲线
# 估计ip权重的分母 nef$p.mk <- predict(enm, nes, type="response") # 估计ip权重的分子 p.m <- glm(qk ~ 1, data=nefs, family=binomial() ) hfs$pnsm <- predict(p.m, nes, type="response") # 估计权重的计算 nef$s.<- ifelse(hes$qsk==1, nefs$pqmk/nhes$d.qmk, (1-nfs$p.smk)/(1-nef$pdqk)) summary(nhs$swa)
# 创建人月数据 nhfsw <- exnRos(nhfs, "srvtime", drop=F) nh.pw$ime <- sqee(rle(nefs.ipw$seqn)$lengths)-1 nhfipw$evnt <- ifele(nhf.iw$tie=nhefs.i$rv1 &) nhfs.w$eath==1, 1, 0) nhefpw$tmesq <- nhfs.pw$me^2 # 拟合加权风险模型 imel <- glm(eve
# 创建生存曲线 ipw.k0 <- data.frame(cbind(seq(0, 119),0, (seq(0, 119))^2)) # 对每个人月的估计（1-危险）的分配 */ iwqk0$p.nvnt0 <- predict(ipwdl, pwm0, type="response") iwsk1$povt1 <- predict(ip.el, ipmk1, type="response") # 计算每个人月的生存率 ip.qs0$srv0 <- cumprod(ipwsk0$p.nevnt0) ip.qm1$suv1 <- cumprod(iwqsk1$p.nvent1) # 一些数据管理来绘制估计的生存曲线 ipwgph <- merge(ip.qmk0,pwsm1, by=c("time", "timesq") ) ipw.aph$surff <-ipw.ah$sv1-pwgrph$surv0 # 绘制 ggplot(ip.gph, ae
通过g-formula估计生存曲线
# 带有协变量的风险模型的拟合情况 g.mo <- glm(event==0 ~ qsm
# 创建数据集，包括每个治疗水平下的所有时间点 # 每个人在每个治疗水平下的所有时间点 gf.qmk <- exanos(nfs, cunt=120, cotis.cl=F) gf.qm0$te <- rep(q(0, 119), now(nhf)) gqm0$tesq <- gqk0$tie^2 gqsk0$qmk <- 0 gfqsk1 <- gf.qm0 gf.sk1$mk <- 1 gfqk0$p.vnt0 <- predict(g.mdel, g.qk0, type="response") gfqk1$p.eent1 <- predict(gf.mol, gf.mk1, type="response") # 绘图 ggplot(gf.graph
通过结构嵌套AFT模型估计中位生存时间比率
# 对数据进行一些预处理 # modelA <- glm(qsmk ~ sex + nhs$pqsk <- predict(moeA, nhe, type="response") d <- nes\[!is.na(hf$surve),\] # 只选择有观察到的死亡时间的人 # 定义需要被最小化的估计函数 smf <- function(pi){ # 创建delta指标 if (psi>=0){ delta <- ifelse 1, 0) } else if (psi < 0) { dlta <- ifelse } # 协方差 sgma <- t(at) %*% smat if (sa == 0){ siga <- 1e-16 } etm <- svl\*solve(sia)\*t(sal) return(etmeq) } res <- optimize # 使用简单的分割法找到95%置信度下限和上限的估计值 frcf <- function(x){ return(smef(x) - 3.84) } if (bfuc < 3.84){ # 找到sumeef(x)>3.84的估计值 # 95%CI的下限 while (tetlw < 3.84 & cnlow < 100){ psl <- pilw - incre teslow <- sumeef(pslw) cunlow <- cunlow + 1 } # 95%CI的上限值 while (tsigh < 3.84 & onhih < 100){ phigh <- pshih + inrem testig <- sumeef(pihigh) cunhgh <- cuntigh + 1 } # 使用分切法进行更好的估计 if ((tstig > 3.84) & (tslw > 3.84)){ # 分割法 cont <- 0 dif <- right - left while { test <- fmiddle * fleft if (test < 0){ } else { } diff <- right - left } psi_high <- middle objfunc_high <- fmiddle + 3.84 # 95%CI的下限 left <- psilow while(!){ test <- fmiddle * fleft if (test < 0)
