手順 1.標準レイアウトと計数過程形式を比較する。

共変量が時間に依存するコックス モデルでは、生存データが標準レイアウトではなく計数過程形式になっている必要があります。標準レイアウトの生存データと計数過程形式の生存データの違いを調べるため、次の標本データを読み込みます。

负载简单存活数据

この標本データには、复发および复发性脑瘫という 2.つのテーブルが含まれています。この 2.つのテーブルはそれぞれ、同じシンプルな生存データを標準レイアウトと計数過程形式で表しています。

標準レイアウトのデータを表示します。

复发

复发=2×5表ID时间审查年龄停止治疗uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu

このデータは、時間の経過に従って治療状況が変化する 2.人の患者を表しています。患者 1.は、0 ～ 5 週目の期間に治療を受けておらず、この期間の終わりに再発しました。患者 2.は、0 ～ 12 週目の期間に治療を受けましたが、12 ～ 20 週目の期間には治療を受けませんでした。患者 2.は再発しておらず、20週目の後で調査を打ち切りました。

次に、同じデータを計数過程形式で表示します。

复发性脑瘫

复发性脑瘫=3×6表ID tStart tStop审查年龄治疗状态\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu0 0 0 0 0 2 0 12 1 30 1 2 20 1 30 0

計数過程形式では、各イベント時間について各行が単一の値ではなくリスク区間（tStart，tStop）を表しています。审查は、リスク区間の終わりでイベントが観測された場合は 0、観測されなかった場合は 1.です。治疗状态は、時間に依存する共変量に対応しており、標準レイアウトの停止治疗と同じ情報を表します。コックス モデルでは時間に依存する共変量が各リスク区間内で一定であると仮定することに注意してください。

手順 2.標本データを読み込む。

次に、変換する標本データを読み込みます。

负载生存数据

この標本データにはテーブル实验室が含まれ、各患者の反復測定を含むシミュレートされた生存データが標準レイアウトで格納されています。

標準レイアウトのシミュレートされた生存データを表示します。

实验室

实验室=6×7表ID时间审查性实验室0实验室50实验室100实验室0.3楠楠2181 0.20.23 0.39 3 94 0 1 0.18 0.22楠4 50 0 0.21 0.2楠5 0 0.25 0.21 0.0楠楠

標準レイアウトでは、テーブルの各行は 1.人の患者に関する情報を示します。

手順 3.生存データを計数過程形式に変換する。

生存データ实验室を計数過程形式に変換するため、以下のコードを実行します。このコードは、时间をリスク区間（tStart，tStop）に変換し、時間に依存する予測子の 3.つのベクトル实验室0、实验室50および实验室100を 1.つのベクトル实验室に結合します。

mTime=[0 50 100]；%测量时间threeLabs=[labS.Lab_0 labS.Lab_50 labS.Lab_100]；nLabMeasure=sum（sum（~isnan（threeLabs））；%实验室测量次数数据=零（nLabMeasure，6）；%每次观察一行oID=0；%观察ID对于i=1:size（labS，1）idx=find（mTime<=labS.Time（i））；对于j=1:length（idx）-1OID=oID+1；data（oID，：）=[labS.ID（i）mTime（j:j+1）1labs.Sex（i）threeLabs（i，j）]；终止oID=oID+1；数据（oID，：）=[labS.ID（i）mTime（length（idx））labS.Time（i）...实验室。审查（i）实验室。性别（i）三个实验室（i，长度（idx））；终止labCP=表格（数据（：，1），数据（：，2），数据（：，3），数据（：，4），数据（：，5），数据（：，6），...“变化无常”, {“身份证”,“启动”,“tStop”,“审查”,“性”,“实验室”});

計数過程形式の生存データを表示します。

labCP

labCP=13×6表ID tStart tStop审查性实验室(Uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu

計数過程形式では、テーブルlabCPの各行は、1.つのリスク区間に対応する 1.つの観測値の情報を示します。コックス モデルではリスク区間（tStart，tStop）で实验室が一定であると仮定することに注意してください。审查の値は、リスク区間の終わりでイベントが観測された場合は 0、観測されなかった場合は 1.です。

たとえば、患者 3.は 0日目と 50日目に 2.つの実験測定値があるので、計数過程形式では患者 3.に 2.行のデータがあります。コックス モデルでは、実験結果 0.18および 0.22がそれぞれ区間 (0,50] および (50,94] で一定であると仮定します。患者 3.の正確なイベント時間は 94日目に観測されたので、审查は (0,50] では 1、(50,94] では 0です。

手順 4.長さがゼロのリスク区間を調整する。

リスク区間の長さがゼロである患者を探します。

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

idxInvalid=4

患者 4.のデータを確認します。

labCP（find（labCP.ID==idxInvalid），：）

ans=2×6表ID tStart tStop审查性实验室\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu0.21 4 50 0 0 0.2

患者 4.のイベントは、50日目の測定値で同時に発生しています。しかし、コックス モデルでは長さがゼロの区間が認められないので、(50,50] は無効なリスク区間です。リスク区間が有効になるように調整します。時間単位より小さい任意の値を調整量として選択できます。調整量の選択は任意であり、結果は変わりません。

idxAdjust=find（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审查性实验室\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu0.49.5 1 0.21 4 49.5 50 0 0.2

手順 5.コックス比例ハザード モデルを作成する。

時間に依存しない変数性别と時間に依存する変数实验室があるコックス比例ハザード モデルをあてはめます。

X=[labCP.Sex labCP.Lab]；T=[labCP.tStart labCP.tStop]；b=coxphfit（X，T，“审查”，labCP.censtering，“基线”,0)

b=2×12.0054 29.7530

コックス比例ハザード モデルを評価する方法の詳細については、打ち切りデータのコックス比例ハザード モデルを参照してください。