如何计算 R 中给定一组概率的生存结果的 brier 分数？

Question

我有一个生存数据集，其中给出了time 和status 变量以及（比如）time = 12 的一些生存概率，这些概率是根据数据集中每个人的一些指数计算得出的。现在，我想计算数据集中每个索引的 brier 分数并选择最好的一个。这是我的示例代码：

set.seed(99)
library(dplyr)
library(survival)
library(prodlim) 
library(pec)   

# simulated survival data data
data <- SimSurv(100)

# add two incides
data$index1<-runif(100, 0.4, 0.9)
data$index2<-runif(100, 0.5, 1)

我在 R 中使用 pec 包尝试了以下操作。

# let's try for one index
models<-as.matrix(data$index1)

# try pec package, which provides brier score
PredError <- pec(object=models,
             formula = Surv(time, status)~1, cens.model="marginal",
             data=data, verbose=F, maxtime=200, times = 12)

但我收到以下错误消息：

Error in predictSurvProb.matrix(object = c(0.596092602680437, 0.675279439869337,  :

Prediction matrix has wrong dimensions:
Requested newdata x times: 100 x 102
Provided prediction matrix: 100 x 1

有人对如何解决这个问题有任何建议吗？

Answer 1

虽然使用矩阵作为对象时间参数在函数内部进行了调整，所以如果将时间参数更改为零并精确为 FALSE，代码将成功运行。

models <- as.matrix(data$index1)

PredError <- pec(object = models, formula = Surv(time, status) ~ 1, cens.model = "marginal", data = data, verbose = T, maxtime = 200, times = 0, exact = FALSE)

此外，如果您将对象更改为除矩阵之外的其他类型，则代码可以正常工作。

例如

models <- list("Cox.X1" = coxph(Surv(time, status) ~ index1, data = data, x = TRUE, y = TRUE))

PredError <- pec(object = models, formula = Surv(time, status) ~ 1, cens.model = "marginal", data = data, verbose = T, maxtime = 200, times = 12)

有关对象参数的详细信息，请参阅以下声明：

预测模型的命名列表，其中允许的条目是 (1) 存在 predictSurvProb 方法的 R 对象（请参阅详细信息），(2) 评估此类 R 对象的调用（请参阅示例), (3) 具有与数据一样多的行和与时间一样多的列的预测概率的矩阵。对于交叉验证，此列表中的所有对象都必须包含它们的调用。