R quantile.survfit 来自 surfit 对象的分位数

说明

从 survfit 或 Surv 对象中检索它们的分位数和置信区间。

用法

## S3 method for class 'survfit'
quantile(x, probs = c(0.25, 0.5, 0.75), conf.int = TRUE,
  scale, tolerance= sqrt(.Machine$double.eps), ...)
## S3 method for class 'survfitms'
quantile(x, probs = c(0.25, 0.5, 0.75), conf.int = TRUE,
  scale, tolerance= sqrt(.Machine$double.eps), ...)
## S3 method for class 'survfit'
median(x, ...)

参数

x	surfit 函数的结果
probs	值为 [0,1] 的概率数值向量
conf.int	是否应该返回置信上限和下限？
scale	可选比例因子，例如，如果拟合对象以天为单位，则 scale=365.25 将返回以年为单位的结果。
tolerance	检查生存曲线是否完全等于分位数之一的容差
...	其他方法的可选参数

细节

生存曲线 S(t) 的第 k 个分位数是高度 p= 1-k 处的水平线与 S(t) 绘图相交的位置。由于 S(t) 是阶跃函数，因此曲线可能恰好在 1-k 处具有水平线段，在这种情况下，返回水平线段的中点。这反映了数据未经审查时中位数的标准行为。如果生存曲线未降至 1-k，则该分位数未定义。

为了与其他分位数函数保持一致，该函数的参数prob适用于累积分布函数F(t) = 1-S(t)。

值的置信限基于 1-k 处水平线与生存曲线上限和下限的交点。因此，置信限使用与创建曲线时相同的 p 值，并且会根据 survfit 的 conf.type 选项而有所不同。如果生存曲线没有置信带，则分位数的置信限不可用。

当生存曲线的水平段与所请求的分位数之一完全匹配时，返回的值将是水平段的中点；这与未经审查的数据中位数的通常定义一致。然而，由于生存曲线是作为一系列乘积计算的，因此可能存在舍入误差。例如，假设样本大小为 20，没有固定时间且没有审查。第 10 次死亡后的生存曲线是 (19/20)(18/19)(17/18) ... (10/11) = 10/20，但计算结果不会正好是 0.5。与请求百分位的绝对差小于tolerance 的任何水平段都被视为完全匹配。

值

如果 survfit 对象仅包含一条曲线，则分位数将是一个向量，否则它将是一个矩阵或数组。在这种情况下，最后一个维度将索引分位数。

如果请求置信限，则结果将是一个包含 quantile 、 lower 和 upper 组件的列表，否则它是分位数的向量或矩阵。

例子

fit <- survfit(Surv(time, status) ~ ph.ecog, data=lung)
quantile(fit)

cfit <- coxph(Surv(time, status) ~ age + strata(ph.ecog), data=lung)
csurv<- survfit(cfit, newdata=data.frame(age=c(40, 60, 80)),
                  conf.type ="none")
temp <- quantile(csurv, 1:5/10)
temp[2,3,]  # quantiles for second level of ph.ecog, age=80
quantile(csurv[2,3], 1:5/10)  # quantiles of a single curve, same result

作者

Terry Therneau

也可以看看

survfit , print.survfit , qsurvreg