步骤1中，比较标准的布局和计数处理的形式。

与时间相关的协变量甲Cox模型需要存活数据是在计数过程的形式和不能在标准的布局。看在标准布局和在计数过程形式存活数据之间的差，加载下面的示例数据。

加载simplesurvivaldata

此示例数据包含两个表：复发和relapseCP。这两个表中表示标准布局和在分别计数过程的形式，同样的简单的存活数据。

显示标准布局的数据。

复发

复发=2×5表ID时间截尾年龄StopTreatment __ ____ _________ ___ _____________ 1 5 0 20 2的NaN 20 1 30 12

这个数据代表了两个患者的治疗情况随时间而变化。患者1没有服用治疗的间隔从0星期5，并在时间间隔结束时复发。患者2正在采取处理的时间间隔从0周至12，但不适合的时间间隔从周12到20患者2不复发和左20周后的研究。

现在显示的计数处理形式相同的数据。

relapseCP

relapseCP =3×6表ID TSTART TSTOP截尾年龄TreatmentStatus __ ______ _____ _________ ___ _______________ 1 0 5 0 20 0 2 0 12 1 30 1 2 12 20 1 30 0

在计数过程中形式中，每一行代表的风险间隔（TSTART，TSTOP]的，而不是一个事件时间的单一值。截尾是0，如果在风险间隔的端部观察到的事件，和1，如果它不是。TreatmentStatus对应于时间依赖性协变量，其表示与相同的信息StopTreatment在标准布局。请注意，Cox模型假定时间依赖性协将在每个风险区间不变。

步骤2.将样本数据。

接着，负载样品数据进行转换。

加载survivaldatacp

该样本数据包含一个表LABS，这是模拟的存活数据包括用于在标准布局中的每个患者重复测量。

显示在标准布局的模拟生存数据。

LABS

LABS =6×7表ID时间截尾性别Lab_0 Lab_50 Lab_100 __ ____ _________ ___ _____ ______ _______ 1 46 0 1 0.3楠楠2 138 1 0 0.2 0.23 0.39 3 94 0 1 0.18 0.22 NaN的4 50 0 0 0.21 0.2的NaN 5 106 0 0 0.25 0.21 0.42 698 0 0 0.21 0.22 NaN的

在标准布局，表中的每一行示出了用于一个病人的信息。

步骤3.转换生存数据统计过程中的形式。

要转换的生存数据LABS到计数过程的形式，执行下面的代码。此代码转换时间到风险区间（TSTART，TSTOP]并结合与时间相关的预测的三个矢量，Lab_0，Lab_50和Lab_100成一个矢量，实验室。

MTIME = [0 50 100];％测量时间threeLabs = [labS.Lab_0 labS.Lab_50 labS.Lab_100];nLabMeasure =总和（总和（〜isnan（threeLabs）））;实验室测试的数量％数据=零（nLabMeasure，6）;％对于每个观测一行OID = 0;％观测ID对于I = 1：尺寸（实验室，1）IDX =找到（MTIME <= labS.Time（I））;对于J = 1：长度（IDX）-1 OID = OID + 1;数据（OID，:) = [labS.ID（ⅰ）MTIME（j：J + 1）1 labS.Sex（ⅰ）threeLabs（I，J）];结束OID = OID + 1;数据（OID，:) = [labS.ID（ⅰ）MTIME（长度（IDX））labS.Time（I）...labS.Censoring（ⅰ）labS.Sex（ⅰ）threeLabs（I，长度（IDX））];结束labCP =表（数据（：，1），数据（：，2），数据（：，3），数据（：，4），数据（：，5），数据（：，6），...'VariableNames'{'ID'，“T开始”，“T停止”，“截尾”，'性别'，“实验室”}）;

显示计数处理形式的存活数据。

labCP

labCP =13×6表ID TSTART TSTOP截尾性别实验室__ ______ _____ _________ ___ ____ 1 0 46 0 1 0.3 2 0 50 1 0 0.2 2 50 100 1 0 0.23 2 100 138 1 0 0.39 3 0 50 1 1 0.18 3 50 94 0 1 0.22 4 050 1 0 0.21 4 50 50 0 0 0.2 5 0 50 1 0 0.25 5 50 100 1 0 0.21 5 100 106 0 0 0.42 6 0 50 1 0 0.21 6 50 98 0 0 0.22

在计数过程的形式，表中的每一行labCP对应于一个风险间隔中的一个观测节目信息。请注意，Cox模型假设实验室是在风险间隔恒定（TSTART，TSTOP]。在价值截尾是0，如果在风险间隔结束观察事件，并且如果1没有观察到的事件。

例如，患者3具有在第0天及50 2次的实验室测量，所以有用于计数过程形式患者3两行数据。甲Cox模型假定实验室结果和0.18 0.22是在区间（0,50]和（50,94]常数。截尾是1（0,50]和0中（50,94]，因为患者3的确切事件时间在94天观察到。

步骤4.调整零长度风险间隔。

找到一个病人谁拥有长度为零的风险区间。

idxInvalid = labCP.ID（FIND（labCP.tStart == labCP.tStop））

idxInvalid = 4

查看该数据为患者4。

labCP（FIND（labCP.ID == idxInvalid），:)

ANS =2×6表ID TSTART TSTOP截尾性别实验室__ ______ _____ _________ ___ ____ 4 0 50 1 0 0.21 4 50 50 0 0 0.2

时间到患者50测量一天然而4点相一致的情况下，（50,50]为Cox模型无效的风险区间，因为模型不接受零长度区间，调整的风险区间是有效的。您可以选择任何值小于时间单元作为调整量。调整量的选择是任意的，并且它不会改变的结果。

idxAdjust =查找（labCP.ID == idxInvalid）;labCP.tStop（idxAdjust（1））= labCP.tStop（idxAdjust（1）） -  0.5;labCP.tStart（idxAdjust（2））= labCP.tStart（idxAdjust（2）） -  0.5;labCP（idxAdjust，:)

ANS =2×6表ID TSTART TSTOP截尾性别实验室__ ______ _____ _________ ___ ____ 4 0 49.5 1 0 0.21 4 49.5 50 0 0 0.2

第5步：构造一个Cox比例风险模型。

正好与时间无关的变量Cox比例风险模型性别和时间相关的变量实验室。

X = [labCP.Sex labCP.Lab];T = [labCP.tStart labCP.tStop];B = coxphfit（X，T，“截尾”，labCP.Censoring，“基线”，0）

b =2×12.0054 29.7530

有关如何评估Cox比例风险模型的详细信息，请参阅Cox比例风险模型中截尾数据。