能否在拆分后的生存数据集上执行Fine-Gray回归分析？

可以在survSplit拆分后的数据集上应用Fine-Gray回归，你遇到的错误源于两个核心问题：一是finegray转换时未保留tgroup变量，二是原拆分过程丢失了竞争事件的原始编码。以下是修正后的完整操作流程：

步骤1：加载必要包 #

确保安装并加载survival和cmprsk包（finegray函数来自cmprsk）：

install.packages("cmprsk")
library(survival)
library(cmprsk)

步骤2：生成并预处理模拟数据 #

保留原始事件编码（0=删失，1=目标事件，2=竞争事件），避免拆分时丢失竞争风险信息：

n <- 100
df <- data.frame(id=1:n, 
                 time=sample(1:36, n, replace=TRUE),
                 event=sample(0:2, n, replace=TRUE),
                 implantsurface=sample(0:1, n, replace=TRUE),
                 covariate1=sample(0:1, n, replace=TRUE),
                 covariate2=sample(0:1, n, replace=TRUE))
df$time <- as.numeric(df$time)

步骤3：时间分层拆分数据集 #

使用~.保留所有变量，确保tgroup（分层标签）和原始event变量被带入拆分后的数据：

fit1 <- survSplit(Surv(time, event == 1) ~ .,
                  data = df, 
                  cut=c(4),
                  episode= "tgroup")

步骤4：转换为Fine-Gray格式 #

在finegray公式中明确包含tgroup变量，确保其被带入转换后的数据框；同时指定目标事件编码为1：

FG <- finegray(Surv(time = time, event = event, type = "mstate") ~ 
                 implantsurface + tgroup + covariate1 + covariate2,
               data = fit1, 
               etype = 1) # etype指定目标事件（再手术）的编码

步骤5：拟合Fine-Gray模型 #

此时tgroup已存在于FG数据框中，可正常使用strata(tgroup):covariate1构建模型：

FGfit <- coxph(Surv(fgstart, fgstop, fgstatus) ~ 
                 implantsurface + strata(tgroup):covariate1 + covariate2,
               weights = fgwt, 
               data = FG)

# 查看模型结果
summary(FGfit)

错误原因解释 #

1. 变量丢失：你之前的finegray公式未包含tgroup，导致转换后的数据框中无此变量，后续coxph调用strata(tgroup)时报错。
2. 事件信息丢失：原survSplit的公式仅保留了目标事件的逻辑值（event==1），丢失了原始竞争事件（event=2）的编码，无法满足Fine-Gray回归对竞争风险的识别需求。

内容的提问来源于stack exchange，提问作者r_fryer