咨询含cluster参数的时依Cox回归代码正确性及样本量异常问题

代码有效性判断 #

你贴的这段代码是正确的，具体原因如下：

• 时依Cox模型采用的计数过程格式数据集，每个ID对应多行风险区间记录（每行对应tStart到tStop的时间段），coxph默认会把每行当成一个风险区间条目，所以输出里的“样本量”其实是风险区间的总数，不是实际个体数，你看到的“样本量翻倍”是正常现象，并非代码错误。
• 加上cluster = ID参数非常必要：它会在计算标准误时考虑同一个体不同风险区间的相关性，避免因为同一ID的多条记录导致标准误被低估，能得到更稳健的HR和置信区间结果。

补充提示 #

• 要查看真实的个体样本量，可以运行nrow(unique(df_timedep[, "ID"]))，得到的就是数据集中的独立ID数量。
• 如果score是随时间变化的变量（不同区间取值不同），这种计数过程格式的分析完全适配；就算score是固定变量，用这种格式分析的结果和单条记录格式一致，但cluster参数依然能帮你修正标准误。

内容的提问来源于stack exchange，提问作者mumber1