Cómo simular un modelo de riesgos proporcionales de Cox con cambio de punto y código en R

Question

Tengo un modelo que tiene las siguientes características:

• La covariable $X$ sigue un $Be(1/3)$.
• Si $X=0$, % de tiempo de supervivencia $Y$sigue un $E=Exponential (1)$.
• Si se genera $X=1$, % de tiempo de supervivencia $Y$$E$si $E\le\Psi$ y $\Psi+E_\lambda$ si $E>\Psi$, $\Psi$ Dónde está el 'punto de cambio' (que $\Psi=1$) y $E_\lambda=Exponential(\lambda)$ $E$ independiente.

¿Alguien sabe cómo simular este modelo y traducirlo en código R?

Answer 1

Bueno, después de un poco de investigación he encontrado la respuesta a mi pregunta, así que aquí está el código que permite la simulación:

simulation <- function(n,lambda,changepoint, surv.df=TRUE) {

# Define the covariate, restrictions and parameters.

X <- rbinom(n,prob=1/3,size=1)
E <- rexp(n,1)
EL <- rexp(n,lambda)

# Define the piecewise function.

Y <- ifelse(X==0,E,
          ifelse(E<=changepoint,E,changepoint+EL))

## Construction of the data frame.

if (surv.df) data.frame(Y,X) else cbind(Y,X)
}

Ahora, si quisiéramos hacer m Monte Carlo réplicas de este dataframe:

m = "number of replicas"

survive.df <- replicate(m, simulation(n = 100 ,lambda = 1,changepoint = 1), simplify=FALSE)

Para ver un conjunto de datos de los :

survive.df[[i]]

Un modelo de riesgos proporcionales de Cox con el dataset de la forma:

coxph(Surv(Y)~X , data=survive.df[[i]]) # Model.

cox.zph(coxph(Surv(Y)~X , data=survive.df[[i]])) # Schoenfield residuals.

¿Alguna sugerencia?