2篇8章4节：多状态生存模型分析的结果探索

上一节已经完成了 Illness–Death 三状态模型的建立。首先利用 transMat() 定义了状态之间允许发生的转换关系，再通过 msprep() 将宽格式数据转换为多状态分析所需的长格式数据，最后利用 coxph() 建立了多状态 Cox 比例风险模型。至此，一个完整的多状态模型已经成功构建，但此时模型只是完成了拟合，并没有得到真正具有临床意义的分析结果，输出结果中只有模型的对数似然值和参与分析的数据记录数，并没有状态转移概率、累计风险等研究者真正关心的指标。这是因为 coxph() 完成的工作只是估计各条状态转换路径的基线风险函数，而真正的多状态分析还需要进一步计算累计风险函数以及状态转移概率。本节将继续以上一节建立的 cox.ms 模型为基础，介绍这三个函数的使用方法，并完成整个多状态分析流程。

一、计算累计风险函数

多状态模型建立完成以后，第一个需要调用的函数就是 msfit()。它的作用是根据上一节建立好的 Cox 模型计算每一条状态转换路径对应的累计风险函数（Cumulative