bladder
位于 survival
包(package)。 说明
关于膀胱癌复发的数据,被许多人用来证明复发事件建模的方法。
Bladder1 是该研究的完整数据集。它包含 118 名受试者的所有三个治疗组和所有复发情况;观察到的最大重复次数为 9。
膀胱是文献中最常见的数据集。它仅使用 85 名非零随访受试者,这些受试者被分配到噻替派或安慰剂,并且仅使用任何患者的前四次复发。状态变量为 1 表示复发,0 表示其他一切(包括因任何原因死亡)。该数据集由 Wei、Lin 和 Weissfeld 以论文的竞争风险格式列出。
Bladder2 使用与膀胱相同的受试者子集,但格式为 (start, stop] 或 Anderson-Gill 样式。请注意,在从 WLW 转换为 AG 样式数据集时,存在一个相当常见的编程错误,该错误会导致额外的跟随12 名受试者的随访时间:所有在第 4 次复发之后进行随访的受试者。这个 "follow-up" 是丢弃第四次之后的所有事件同时保留原始数据中的最后一个随访时间变量的副作用。膀胱2这里找到的数据集不会犯这个错误,但文献中的一些分析已经这样做了;它导致增加了少量的不朽时间偏差,并将拟合系数缩小到零。
用法
bladder1
bladder
bladder2
data(cancer, package="survival")
格式
膀胱1
ID: | 患者编号 |
治疗: | 安慰剂、吡哆醇(维生素 B6)或塞替派 |
数字: | 肿瘤初始数量(8=8个或更多) |
尺寸: | 最大初始肿瘤大小(cm) |
复发: | 复发次数 |
开始、停止: | 每个时间间隔的开始和结束时间 |
地位: | 间隔代码结束,0=审查,1=重复, |
2=死于膀胱疾病,3=其他/不明原因死亡 | |
肿瘤: | 复发时发现的肿瘤数量 |
尺寸: | 复发时最大肿瘤的大小 |
枚举: | 事件编号(患者内的观察编号) |
膀胱
ID: | 患者编号 |
接收: | 治疗 1=安慰剂 2=塞替派 |
数字: | 肿瘤初始数量(8=8个或更多) |
尺寸: | 最大初始肿瘤大小(cm) |
停止: | 复发或审查时间 |
枚举: | 哪个重复(最多 4 次) |
膀胱2
ID: | 患者编号 |
接收: | 治疗 1=安慰剂 2=塞替派 |
数字: | 肿瘤初始数量(8=8个或更多) |
尺寸: | 最大初始肿瘤大小(cm) |
开始: | 间隔开始(0 或之前的重复时间) |
停止: | 复发或审查时间 |
枚举: | 哪个重复(最多 4 次) |
来源
Andrews DF、Hertzberg AM (1985),数据:学生和研究工作者多领域问题集,纽约:Springer-Verlag。
LJ Wei、DY Lin、L Weissfeld (1989),通过建模边际分布对多元不完全失效时间数据进行回归分析。美国统计协会杂志,84。
相关用法
- R blogit 有界链接函数
- R brier 计算 Cox 模型的 Brier 分数
- R basehaz survfit 函数的别名
- R hoel 小鼠癌症数据
- R survcondense 缩短 (time1, time2) 生存数据集
- R myeloid 急性粒细胞白血病
- R tobin 托宾的托比特数据
- R pseudo 生存的伪值。
- R levels.Surv 返回多状态 Surv 对象的状态
- R rats Mantel 等人的大鼠治疗数据
- R diabetic 糖尿病视网膜病变
- R pbc 梅奥诊所原发性胆汁性胆管炎数据
- R plot.survfit survfit 对象的绘图方法
- R kidney 肾导管数据
- R stanford2 更多斯坦福心脏移植数据
- R print.aareg 打印 aareg 对象
- R pyears 人年
- R residuals.survreg 计算“survreg”对象的残差
- R cgd0 慢性肉芽肿病数据
- R mgus2 单克隆丙种球蛋白病数据
- R model.frame.coxph coxph 对象的 Model.frame 方法
- R nsk 以结高度为基础的自然样条。
- R survSplit 在指定时间分割生存数据集
- R mgus 单克隆丙种球蛋白病数据
- R summary.pyears pyears 对象的汇总函数
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Bladder Cancer Recurrences。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。