我在使用coxph（）时遇到了一些问题，我有两个分类变量：性别和可能原因，我想用作预测变量。性别只是典型的男性/女性，但可能原因有5个选项。我不知道警告消息有什么问题。为什么置信区间从0到Inf，p值这么高？
下面是代码和输出：
> my_coxph <- coxph(Surv(tempo,status) ~ factor(Sexo)+ factor(Causa.provavel) , data=ceabn)
Warning message:
In fitter(X, Y, strats, offset, init, control, weights = weights, :
Loglik converged before variable 2,3,5,6 ; beta may be infinite.
> summary(my_coxph)
Call:
coxph(formula = Surv(tempo, status) ~ factor(Sexo) + factor(Causa.provavel),
data = ceabn)
n= 43, number of events= 31
coef exp(coef) se(coef) z Pr(>|z|)
factor(Sexo)macho 7.254e-01 2.066e+00 4.873e-01 1.488 0.137
factor(Causa.provavel)caca 2.186e+01 3.107e+09 9.698e+03 0.002 0.998
factor(Causa.provavel)colisao linha MT 1.973e+01 3.703e+08 9.698e+03 0.002 0.998
factor(Causa.provavel)indeterminado 9.407e-01 2.562e+00 1.683e+04 0.000 1.000
factor(Causa.provavel)predacao 2.170e+01 2.655e+09 9.698e+03 0.002 0.998
factor(Causa.provavel)predado 2.276e+01 7.659e+09 9.698e+03 0.002 0.998
exp(coef) exp(-coef) lower .95 upper .95
factor(Sexo)macho 2.065e+00 4.841e-01 0.7947 5.368
factor(Causa.provavel)caca 3.107e+09 3.219e-10 0.0000 Inf
factor(Causa.provavel)colisao linha MT 3.703e+08 2.701e-09 0.0000 Inf
factor(Causa.provavel)indeterminado 2.562e+00 3.904e-01 0.0000 Inf
factor(Causa.provavel)predacao 2.655e+09 3.766e-10 0.0000 Inf
factor(Causa.provavel)predado 7.659e+09 1.306e-10 0.0000 Inf
Concordance= 0.752 (se = 0.059 )
Rsquare= 0.608 (max possible= 0.987 )
Likelihood ratio test= 40.23 on 6 df, p=4.105e-07
Wald test = 7.46 on 6 df, p=0.2807
Score (logrank) test = 30.48 on 6 df, p=3.183e-05谢谢
1条答案
按热度按时间am46iovg1#
几年前，当我向Terry Therneau（pkg：survival的作者）询问这个问题时，他说用来产生警告的测试过于敏感了。一般来说，警告是不正确的。你通常可以看看你的系数，看看它们不是无穷大，甚至不是有效的无穷大。
然而，在您的情况下，它似乎正确地警告您，您的数据或应用于您的数据的模型可能存在问题，因为你有难以置信的大系数。beta系数为2.276e+01（= 22.7）在指数模型中的值高得离谱。（而且你有4个这样的系数。）估计的相对风险远远超过一百万！你应该看看你的数据的表格分类，以解决完全分离的问题。你的对照组中有没有人死亡，呃，有活动吗？
这些问题最好用表格来解决：