R中特定原因风险模型与多状态模型结果差异的技术咨询

我参考了survival包的竞争风险示例文档，基于真实数据集开展竞争风险分析：患者仅会因pcm（浆细胞骨髓瘤）或死亡两种互斥原因结局，属于传统竞争风险场景。

数据集构建代码 #

library(survival)
data(mgus2)

mgus2$etime <- with(mgus2, ifelse(pstat == 0, futime, ptime))
event <- with(mgus2, ifelse(pstat == 0, 2 * death, 1))
mgus2$event <- factor(event, 0:2, labels = c("censor", "pcm", "death"))

建模方式 #

• 拟合多状态Cox模型：

  coxph(Surv(etime, event) ~ sex, data = mgus2, id = id)
  

  得到pcm（转移1:2）和death（转移1:3）的参数估计。
• 分别拟合两个特定原因Cox模型：

  coxph(Surv(etime, event == "pcm") ~ sex, data = mgus2, id = id)
  coxph(Surv(etime, event == "death") ~ sex, data = mgus2, id = id)
  

疑问 #

两种建模方式结果相近但不完全一致，尤其是death结局的z值、p值存在差异。想知道：

• 为何结果会有差异？
• 是否误解了多状态模型的拟合逻辑？
• 我需要单独建模以开展亚组分析及使用emmeans进行后估计，目前仅单结局Cox模型可实现该需求，是否可行？

回答 #

1. 结果差异的原因 #

在传统竞争风险（单一初始状态、互斥结局、无重复事件）的理论框架下，多状态Cox模型与两个独立的特定原因Cox模型是等价的，但survival包的实现细节导致了数值上的细微差异：

• 多状态模型是同时估计所有结局的参数，共享部分似然的计算框架与数值优化过程；而单独的特定原因Cox模型是针对每个结局独立计算部分似然并优化。
• 两者在处理事件时间相同情况的tie-breaking逻辑、数值收敛的精度控制上存在细微差别，最终导致参数估计的z值、p值出现小幅度差异。
• 你添加的id参数在这个场景下（每个患者仅一次事件）不会改变核心逻辑，但多状态模型对id的解析逻辑与单结局模型略有不同，也可能放大这种数值差异。

2. 对多状态模型拟合逻辑的理解没有偏差 #

你认为“传统竞争风险下多状态模型等价于两个特定原因Cox模型”的结论是正确的。这种数值差异是软件实现层面的细节问题，而非理论逻辑的错误。

3. 单独建模的可行性 #

完全可以使用单独的特定原因Cox模型开展亚组分析与emmeans后估计：

• 理论上两者等价，数值差异极小，不会影响最终结论的可靠性；
• 单结局Cox模型更灵活，适配emmeans等工具的后处理需求，也更便于拆分亚组进行分析。

内容的提问来源于stack exchange，提问作者jackahall