生存分析 R语言（七）——Recurrent Events

Recurrent Events

生存分析中常研究单个终点事件的情况，如死亡；但是实际中许多慢性病会出现复发的状况，这也就意味着对于个体会多次发生events，此时我们称之为重复事件（recurrent events)。
一般研究重复事件会从计数过程或更新过程入手，对其均值，强度等进行研究。计数过程基于时间发生数量，更新过程基于等待时间。
对计数过程的研究主要分为两种：泊松过程和非泊松过程，本文主要考虑泊松过程。

泊松过程

泊松过程有两种定义：

1. 不相交的时间间隔内，counts相互独立（或者说，$[t,t+\Delta t)$时间内发生的事件数与t之前的历史无关）
2. 强度函数（intensity function）为$\lambda (t|H(t))=\rho (t)$，$t>0$

从定义二中可窥见泊松过程是一个马尔可夫过程，在$(t,t+\Delta t)$内发生事件的概率或许与时间有关，但独立于历史H(t)。从协变量的角度看，随时间变化的协变量可被分为两类——external 和 internal，前者的值不会受重复事件过程的影响，即相互独立，后者反之（常数协变量是external）。所以泊松过程中只有external covariates。
mean function:
μ ( t ) = E { N ( t ) } \mu(t)=E\{N(t)\} μ(t)=E{ N(t)}
rate function:
$\rho (t)={\mu }^{\prime }(t)$
对于泊松过程，$\lambda (t)=\rho (t)$

Multiplicative model

直观的说Cox PHM就是一种multiplicative model，即模型基本由两部分相乘组成：
$\rho (t|x^{(\infty )})=\rho (t|x^{(t)})={\rho }_0(t)exp(z^{\prime }\beta )$
根据实际需求，协变量z可随时间变化，即z(t)

1. Nonparametric model
   顾名思义，没有具体参数形式的非参模型
2. Anderson-Gill model
   仅baseline function没有具体参数形式，即上述模型为半参（类似Cox PHM）。
   求得$\hat{\beta }$ 后，利用generalised Nelson-Aalen Estimate估计基线均值函数：
   μ ^ 0 ( t ) = ∫ 0 t d μ ^ 0 ( s ) = ∑ h : t ( h ) ≤ t d N ˉ . ( t