使用survival包cch函数拟合病例队列比例风险回归报错

算力阿峰

2026-8-28

问题描述

针对病例被过抽样、不具备总体人群代表性的病例队列数据，使用R语言survival包的cch()函数拟合比例风险回归模型，初始拟合代码如下：

fit <- cch(Surv(followuptime, event) ~ A1 + A2 + A3, data =datadf, stratum=NULL, subcoh = datadf$subcoh, id=datadf$id, cohort.size=4512, method="Prentice")

模型公式中A1、A2、A3代表代谢物指标，待分析代谢物共812个。测试发现当模型纳入约40个代谢物时可正常完成拟合，纳入更多协变量时会反复触发两类报错，报错信息如下：

Error in if (any(exp(temp) > .Machine$double.xmax) || all(exp(temp) ==  :  missing value where TRUE/FALSE needed

Error in agreg.fit(X, Y, istrat, offset, init, control, weights = weights,  : exp overflow due to covariates

报错原因与解决思路

两类报错核心触发逻辑一致：模型迭代计算过程中，线性预测项的指数运算结果超出R双精度浮点数可表示的最大值，属于典型的数值计算溢出问题，可按以下方向逐一排查修复：

优先完成协变量预处理，从数据源头上消除溢出诱因
1. 对所有纳入的代谢物指标做z-score标准化，将所有协变量转换为均值为0、标准差为1的尺度，消除不同代谢物间量纲差异过大导致的线性预测值异常偏高问题
2. 排查处理代谢物指标中的极端离群值，可采用winsorize方法将超出1%/99%分位数的极端值截断至对应分位水平，避免离群值干扰模型迭代过程
3. 提前排查协变量共线性，计算所有代谢物间的相关系数，剔除相关系数绝对值高于0.9的冗余变量；共线性会导致模型迭代时系数估计值异常放大，是触发指数溢出的常见原因
调整模型拟合控制参数，提升迭代过程数值稳定性
1. 调用cch()时显式传入控制参数，通过cch.control()缩小迭代最大步长、收紧收敛判断阈值，避免迭代时系数更新步幅过大引发数值爆炸，参考配置如下：
```
fit <- cch(
  Surv(followuptime, event) ~ A1 + A2 + A3, 
  data = datadf, 
  stratum = NULL, 
  subcoh = datadf$subcoh, 
  id = datadf$id, 
  cohort.size = 4512, 
  method = "Prentice",
  control = cch.control(step.max = 0.1, eps = 1e-7)
)
```
1. 若Prentice方法持续触发溢出，可尝试替换为SelfPrentice或LinYing拟合方法，不同方法的数值稳定性存在差异，可优先用稳定性更高的方法完成初步验证
调整建模策略，适配高维代谢物数据的分析需求
1. cch()是为低维协变量场景设计的函数，本身对高维协变量的承载能力有限，812个代谢物的变量规模远超出函数的适配范围，强行一次性纳入不仅会触发数值溢出，还会引发严重的过拟合、系数估计偏差问题
2. 采用代谢组学常规的两阶段分析策略：先对每个代谢物单独拟合校正核心混杂（年龄、性别、BMI等）的CCH模型，筛选出关联有统计学意义的候选代谢物后，再将数量有限的候选变量纳入多变量模型拟合，从根本上规避协变量过多导致的数值问题
3. 若确实需要同时调整大量代谢物的效应，需换用适配病例队列设计的正则化Cox模型实现（如带L1惩罚项的病例队列Cox方法），不要使用面向低维场景的cch()函数强行拟合高维数据

内容的提问来源于stack exchange，提问作者imunicorn