时间拆分生存数据用marginaleffects::plot_comparisons绘图缺失置信区间问题

这不是你的操作错误，而是marginaleffects包在处理分类变量与因子型区间交互项时，可视化模块的置信区间计算逻辑存在小问题。

复现操作场景 #

library(survival)
library(marginaleffects)

# 拆分aml数据集为两个观测区间
aml_split <- survSplit(Surv(time, status) ~ ., data = aml, cut = 100, episode = "interval")
aml_split$interval <- factor(aml_split$interval, labels = c("0-100", "100+"))

# 拟合含交互项的Cox模型（x为二元分类变量）
mod <- coxph(Surv(tstart, time, status) ~ x * interval, data = aml_split)

# 绘制风险比（缺失置信区间）
plot_comparisons(mod, variables = list(x = c("Maintained", "Nonmaintained")), by = "interval")

原因解释 #

当模型包含分类变量x与因子型interval的全交互项（x * interval）时，模型存在轻微过度参数化（分类变量主效应与交互项存在共线性）。plot_comparisons()在可视化时，内部置信区间计算逻辑未正确处理这种共线性导致的方差-协方差矩阵数值问题，因此无法生成置信区间；但风险比的点估计不受影响，因为它直接基于模型系数的线性组合计算。

不用转x为数值的解决办法 #

方法1：手动计算对比值后绘图

用marginaleffects::comparisons()先提取完整的风险比及置信区间，再用ggplot2手动绘图：

# 计算各区间的风险比及置信区间
comp_results <- comparisons(
  mod,
  variables = list(x = c("Maintained", "Nonmaintained")),
  by = "interval",
  type = "hazard" # 指定计算风险比
)

# 手动可视化
library(ggplot2)
ggplot(comp_results, aes(x = interval, y = estimate, ymin = conf.low, ymax = conf.high)) +
  geom_pointrange(color = "#2c3e50", size = 0.8) +
  geom_hline(yintercept = 1, linetype = "dashed", color = "#e74c3c") +
  labs(title = "各观测区间的风险比", y = "风险比 (HR)", x = "观测区间") +
  theme_minimal()

comparisons()函数直接从模型的方差-协方差矩阵计算对比的线性组合标准误，能正确处理过度参数化的情况，因此可以得到完整的置信区间。

方法2：调整模型参数化（可选）

如果你不想手动绘图，可以重新指定模型的对比方式，避免过度参数化：

# 对interval设置参考水平，重新拟合模型
aml_split$interval <- relevel(aml_split$interval, ref = "0-100")
mod_adjusted <- coxph(Surv(tstart, time, status) ~ x + x:interval, data = aml_split)

# 此时plot_comparisons可正常显示置信区间
plot_comparisons(mod_adjusted, variables = list(x = c("Maintained", "Nonmaintained")), by = "interval")

这种方式没有把x转成数值，只是调整了模型的参数化形式，避开了过度参数化导致的数值问题。

内容的提问来源于stack exchange，提问作者Stefan Hansen