如何用R语言mstate包循环多个DataFrame执行coxph多状态模型流程？

一、解决msprep的'id参数非向量'错误 #

这个错误核心原因是传入id参数的不是一维向量，常见修复方式：

• 先确认数据集中的id列是数值型或字符型向量，如果是因子（factor）类型，用as.character()或as.numeric()转换：

  df$id <- as.character(df$id)
  

• 调用msprep时，直接传入列向量（比如df$id），不要传入整个数据框或多维对象：

  ms_data <- msprep(data = df, 
                    id = df$id,  # 确保此处为一维向量
                    trans = trans_matrix,  # 替换为你的转移矩阵
                    start = c(0, 1, 2),  # 根据你的状态定义调整
                    end = c(1, 2, 3),
                    time = c("time1", "time2", "time3"),
                    status = c("status1", "status2", "status3"))
  

二、完整批量处理代码 #

1. 定义单个数据集的处理函数 #

先封装处理单个DataFrame的逻辑，输出包含模型结果和绘图的列表：

library(mstate)
library(survival)
library(ggplot2)

process_ms_model <- function(df, trans_matrix) {
  # 预处理id列，确保为向量格式
  df$id <- as.character(df$id)
  
  # 构建多状态数据
  ms_data <- msprep(data = df,
                    id = df$id,
                    trans = trans_matrix,
                    start = c(0, 1, 2),  # 替换为你的状态起始值
                    end = c(1, 2, 3),    # 替换为你的状态结束值
                    time = c("t01", "t12", "t02"),  # 替换为你的时间列名
                    status = c("s01", "s12", "s02")) # 替换为你的状态列名
  
  # 扩展协变量
  ms_data_expanded <- expand.covs(ms_data, covs = c("cov1", "cov2")) # 替换为你的协变量列名
  
  # 拟合Cox比例风险模型
  cox_model <- coxph(Surv(Tstart, Tstop, status) ~ cov1.1 + cov2.1 + strata(trans), 
                     data = ms_data_expanded)
  
  # 多状态模型拟合
  ms_fit <- msfit(cox_model, trans = trans_matrix)
  
  # 绘制累积发生率曲线
  plot_obj <- plot(ms_fit, type = "cuminc", col = 1:3, lwd = 2,
                   xlab = "Time", ylab = "Cumulative Incidence")
  legend("topright", legend = c("State 1", "State 2", "State 3"), col = 1:3, lwd = 2)
  
  # 返回所有结果
  return(list(ms_data = ms_data,
              cox_model = cox_model,
              ms_fit = ms_fit,
              plot = plot_obj))
}

2. 批量执行遍历 #

假设你的DataFrame列表名为df_list，先定义转移矩阵，再用lapply批量处理：

# 定义转移矩阵（示例为3状态竞争风险模型，替换为你的实际转移逻辑）
trans_matrix <- trans.comprisk(3)

# 批量处理所有数据集
results_list <- lapply(df_list, function(df) {
  process_ms_model(df, trans_matrix)
})

# 为结果列表命名（对应原数据集序号）
names(results_list) <- paste0("dataset_", 1:length(df_list))

3. 容错处理（可选） #

如果部分数据集处理失败，用tryCatch捕获错误，避免整个循环中断：

results_list <- lapply(df_list, function(df) {
  tryCatch({
    process_ms_model(df, trans_matrix)
  }, error = function(e) {
    message("处理数据集失败: ", e$message)
    return(NULL)
  })
})

内容的提问来源于stack exchange，提问作者user22829834