含时变系数Cox模型的(累积)基线风险估计方法咨询

我想了解是否有简便方法，用于估计不同时间区间内含时变系数的Cox模型的(累积)基线风险。使用survSplit()拆分时间数据后，predict.coxph()方法设置type='expected'会给出每行的预期值，我猜测该值考虑了同一受试者多次出现的情况。请问是否有简便方法获取这些估计值？我的理解是否正确？

示例代码 #

library(survival)
library(riskRegression)
data(Melanoma)

d <- survSplit(formula = Surv(time,status==1)~age+sex+epicel,
               data = Melanoma,
               cut = 1095,
               episode = 'tgroup',
               id = 'id')

fit <- coxph(Surv(tstart,time,event)~age:strata(tgroup)+sex+epicel,data=d,x=TRUE)

具体疑问 #

• 例如，对于一名在time=1700时被截尾的患者，若要估计其在800和1500时刻的基线风险，该患者在这两个时刻都处于风险集中，但由于时间分割点设为1095，其线性预测值有所不同。看起来predict.coxph()并未考虑这一点，我的理解是否正确？
• predict.coxph()是否有调整方案？是否有其他可自动实现该功能的函数，还是需要自行编写函数？
• 我希望利用这些估计值获取每位患者的绝对风险估计。

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