如何在R中实现IPTW队列的加权竞争风险分析

核心原理 #

cmprsk包原生函数不支持传入权重参数，你可以使用经方法学验证的riskRegression包完成加权竞争风险分析，全程无需调用SAS或Stata，完全基于R环境实现。

操作步骤 #

• 前置准备：确保你的数据集已包含4类核心变量：随访时间变量、结局变量（0=删失，1=目标事件，2=竞争事件）、分组变量、IPTW计算得到的权重变量
• 安装加载依赖包，运行以下代码：

# 首次使用需先安装
install.packages(c("survival", "riskRegression", "ggplot2"))
# 加载包
library(survival)
library(riskRegression)
library(ggplot2)

• 拟合加权原因特异性Cox模型，直接传入IPTW权重：

# 替换your_data为你的数据集名称，替换括号内的变量名为你实际的变量名
weighted_csc_model <- CSC(Hist(随访时间, 结局变量) ~ 分组变量, 
                    data = your_data,
                    weights = 你的IPTW权重变量名)

• 计算加权累积发生率（CIF）：

# cause参数填你要统计的目标事件对应的编码，此处以1为例
weighted_cif <- predictRisk(weighted_csc_model, 
                            newdata = your_data,
                            cause = 1)

• 绘制加权CIF曲线：

# 基础可视化，可根据需求调整配色、坐标轴标签等参数
plot(weighted_csc_model, cause = 1, 
     xlab = "随访时间", ylab = "目标事件累积发生率",
     col = c("#E41A1C", "#377EB8"), 
     legend = TRUE,
     legend.title = "分组")

注意事项 #

• 若你使用的是归一化IPTW权重，建议通过自助法（Bootstrap）重采样计算可信区间，避免模型默认输出的标准误偏小
• 若你习惯cmprsk包的分析逻辑，也可以手动将IPTW权重乘以每个观测的事件贡献值，再输入cmprsk的计算函数，结果和上述方法一致，但riskRegression的封装方法更简便，出错概率更低

内容的提问来源于stack exchange，提问作者张博文