R语言DynNom生成时变系数Cox模型动态列线图问题求助

尝试基于survSplit处理后的数据集建立含时变系数的Cox模型，调用DynNom函数生成动态列线图时，出现start/stop notation not supported错误。复现代码如下：

# Load necessary libraries
library(survival)
library(rms)
library(DynNom)

# Example: Simulated dataset
set.seed(123)
n <- 200
data <- data.frame(
  id = 1:n,
  age = rnorm(n, 60, 10), # Age as a covariate
  sex = sample(c(0, 1), n, replace = TRUE), # Sex as a binary covariate
  start = 0,
  stop = rexp(n, rate = 0.1), # Random survival times
  event = sample(c(0, 1), n, replace = TRUE) # Random event indicator
 )

# Split dataset to incorporate time-varying covariates
data_split <- survSplit(
  Surv(start, stop, event) ~ ., 
  data = data, 
  cut = quantile(data$stop, probs = c(0.25, 0.5, 0.75)), # Time split points
  episode = "time_period" # New variable for time periods
)

# Cox model with time-varying coefficients
cox_model <- coxph(
  Surv(start, stop, event) ~ age + sex + time_period:age + time_period:sex,
  data = data_split
)

# Dynamic nomogram
dd <- datadist(data_split)
options(datadist = "dd")

dyn_nom <- DynNom(cox_model, data_split)

核心结论 #

DynNom包原生不支持带start/stop格式的时变系数Cox模型，其底层设计仅适配单时间点的标准生存模型（如Surv(time, event)格式）。可以通过以下两种方式解决：

方法1：改用rms包的cph模型+内置dynNom函数 #

rms包的cph函数支持时变系数模型，且其自带的dynNom函数（注意与独立DynNom包的函数名称区分）可适配该场景，步骤如下：

# 加载依赖包
library(survival)
library(rms)

# 模拟数据集（同原代码）
set.seed(123)
n <- 200
data <- data.frame(
  id = 1:n,
  age = rnorm(n, 60, 10),
  sex = sample(c(0, 1), n, replace = TRUE),
  start = 0,
  stop = rexp(n, rate = 0.1),
  event = sample(c(0, 1), n, replace = TRUE)
)

# 分割数据集生成时变结构
data_split <- survSplit(
  Surv(start, stop, event) ~ ., 
  data = data, 
  cut = quantile(data$stop, probs = c(0.25, 0.5, 0.75)),
  episode = "time_period"
)

# 配置数据分布并建立cph模型
dd <- datadist(data_split)
options(datadist = "dd")

cph_model <- cph(
  Surv(start, stop, event) ~ age + sex + time_period:age + time_period:sex,
  data = data_split,
  surv = TRUE,  # 必须开启以支持生存概率预测
  x = TRUE, y = TRUE  # 保存模型矩阵，用于动态列线图生成
)

# 生成动态列线图
dynNom(cph_model)  # 此为rms包内置函数，非DynNom包函数

方法2：重构时变模型结构（局限性较大） #

若时变系数为时间分段的固定效应，可尝试将时间分段作为分层变量，或重新设计协变量格式，规避start/stop结构。但该方法仅适用于特定时变场景，通用性不强。

关键注意事项 #

• 严格区分独立DynNom包与**rms包内置dynNom函数**：前者仅支持标准生存模型，后者适配rms系列模型（含时变系数cph模型）。
• 使用cph模型时必须设置surv=TRUE、x=TRUE、y=TRUE参数，否则无法生成动态列线图所需的预测支撑信息。

内容的提问来源于stack exchange，提问作者Richard