在R中使用coxme执行混合效应Cox回归时，survest的等效函数是什么？

你运行的混合效应Cox模型代码如下：

survival<-coxme(Surv(tr_dur_a,ftr_2)~mod_muac+ drev_oedema_now_day0+danger_adm+tr_diet2+danger_adm + tr_daysec+hiv_stat+breast_feeding_adm+ sex_adm+mod_diar+diag_sepsis_adm+diag_lrti_pneumonia_adm +other_dx+ (1|site), data=survival1b)

你需要实现类似survest(survival,newdata = Cnew, times=time)的功能来获取生存概率，coxme包没有直接对应的survest()函数，但可以通过以下两种方法实现：

方法一：直接使用survfit()函数 #

survfit()支持处理coxme对象，能直接生成指定新数据的生存曲线并提取生存概率：

# 生成生存曲线对象
Csur <- survfit(survival, newdata = Cnew, times = time)
# 提取对应时间点的生存概率
survival_prob <- Csur$surv

• 若仅需要固定效应的预测结果（忽略随机效应），添加re.form = NA参数：

Csur <- survfit(survival, newdata = Cnew, times = time, re.form = NA)

方法二：通过基准风险+线性预测值手动计算 #

若需要更精细的控制，可分步计算：

1. 获取模型的基准风险函数
2. 计算新数据的线性预测值
3. 结合两者推导生存概率

# 获取基准生存函数的累积风险
base_haz <- basehaz(survival, centered = FALSE)
# 计算新数据的线性预测值（忽略随机效应则加re.form = NA）
lp <- predict(survival, newdata = Cnew, type = "linear.predictors")
# 匹配目标时间点的累积风险
cum_hazard <- approx(base_haz$time, base_haz$hazard, xout = time, rule = 2)$y |> cumsum()
# 计算生存概率
survival_prob <- exp(-cum_hazard)^exp(lp)

注意事项 #

• 如果需要包含随机效应，新数据必须包含分组变量（如你的模型中的site），否则会默认使用随机效应的均值（通常为0）
• survfit()返回的对象还包含标准误、置信区间等信息，可通过Csur$lower和Csur$upper获取置信限

内容的提问来源于stack exchange，提问作者ABIP