带时间交互项的非比例Cox回归模型结果不符及数据代码咨询

我完全懂你的 frustration——这本书最后一章偏偏没配套R代码，自带的数据集还缺关键信息，想复现15.3节带时间交互项的非比例Cox模型真的卡壳。下面是一步步帮你对齐书中结果的方案：

1. 先搞定数据集的问题 #

书中15.3节的例子是戒烟干预的生存数据，你得确保数据集格式和变量都对：

• 必须包含：生存时间（从基线到事件发生/删失的时长）、事件标记（1=戒烟成功，0=删失/未成功）、干预分组（比如treat=1是干预组，0是对照组）、基线年龄这类协变量
• 如果你的数据是宽格式，得转成计数过程的长格式（这是拟合时间依赖协变量模型的关键），用survival包的survSplit()就能搞定：

library(survival)
# 假设你的宽格式数据叫wide_data，包含id, time_to_event, quit_success, treat, age
long_data <- survSplit(
  Surv(time_to_event, quit_success) ~ ., 
  data = wide_data, 
  cut = seq(1, 12, by = 1),  # 按月份分段，对应书中的时间尺度
  start = "start_month", 
  end = "end_month"
)

2. 拟合带时间交互项的非比例Cox模型 #

书中15.3节的核心是加入协变量与时间的交互项，用来捕捉风险比随时间变化的效应。比如要验证干预组的戒烟效应随时间变化，代码应该是这样：

# 线性时间交互（如果书中用的是线性时间）
cox_model <- coxph(
  Surv(start_month, end_month, quit_success) ~ treat + age + treat:end_month, 
  data = long_data
)
summary(cox_model)

# 如果书中用的是对数时间交互，就改成：
cox_model_log <- coxph(
  Surv(start_month, end_month, quit_success) ~ treat + age + treat:log(end_month), 
  data = long_data
)
summary(cox_model_log)

另外，别忘了用cox.zph()检验比例风险假设，这能帮你确认是否真的需要时间交互项，以及交互形式对不对：

zph_check <- cox.zph(cox_model)
print(zph_check)
plot(zph_check)  # 看协变量的Schöenfeld残差是否随时间变化

3. 对齐书中结果的关键细节 #

• 时间尺度要完全一致：书中用的是月份还是年份？别搞混单位，这是最容易踩的坑
• 交互项形式要匹配：书里可能用的是分段时间（比如0-3个月，3-6个月）而非连续时间，那你得把时间分成对应的区间，再构造交互项
• 删失定义要一致：确认你标记的删失（比如失访、研究结束未戒烟）和书中完全一样

如果还是对不上，建议手动算一下书中的关键统计量（比如干预组的事件数、中位生存时间），和你的数据集对比——要是数据统计量都不一样，那肯定是数据集的问题，得补全或修正数据。

内容的提问来源于stack exchange，提问作者llewmills