我正在模拟怀孕对疾病结果（死活）的影响。大约 40% 的患者在诊断后确实怀孕了——但发生在不同的时间点。到目前为止，我已经完成了 KM 图，显示了妊娠对生存的明显保护作用以及常规的 Cox 模型——但是这些模型仅使用二分妊娠变量进行建模，并假设从诊断时就存在这种影响，这显然是不现实的因为怀孕的中位时间是诊断后的 4 年。
什么样的模型会吸收诊断后不同时间点多胎妊娠的影响？对与时间相互作用的怀孕进行建模是否正确（这将需要一些认真的数据重建——任何可以帮助解决此问题的自动化软件？）或者对于这些问题是否有另一种首选的建模策略？此外，这些问题的首选绘图策略是什么？
您在这里需要的是时变协变量，不一定是时变系数。一个可以帮助您进行分析的已知示例是斯坦福心脏移植数据。
为了呈现您的结果，您可以使用经典的 Kaplan-Meier 估计器，它可以毫无问题地处理随时间变化的协变量（但请记住，这是一个粗略的或未经调整的分析，具有所有众所周知的局限性）。
例如，下图显示了在正确考虑随时间变化的移植状态（上图）和不考虑它（下图）时对斯坦福 HT 数据的分析。
在 R 中，这可以通过 Survival 对象的启动/停止版本来解决，例如
fit <- coxph(Surv(time1, time2, status) ~ is.pregnant + other.covariates, data=mydata)
本文更详细地讨论了这一点：http: //cran.r-project.org/web/packages/survival/vignettes/timedep.pdf
在这种情况下要小心不朽的时间偏差。你的怀孕组将不可避免地比非怀孕组有更好的生存，因为你死后不能怀孕（据我所知！）