R rttright 计算重新分配到正确的权重

说明

对于许多生存估计值，一种方法是将每个审查观察的权重重新分配给具有较长生存时间的其他观察(考虑将遗产分配给继承人)。然后计算剩余的未经审查的数据。

用法

rttright(formula, data, weights, subset, na.action, times, id, timefix = TRUE,
         renorm= TRUE)

参数

formula	一个公式对象，它必须有一个 Surv 对象作为 ~ 运算符左侧的响应，并且如果需要，右侧的项也可以由 + 运算符分隔。每个独特的预测变量组合将定义一个单独的层。
data	一个 DataFrame ，用于解释公式、subset 和 weights 参数中指定的变量。
weights	权重必须为非负数，并且强烈建议它们严格为正数，因为与使用 subset 参数相比，零权重是不明确的。
subset	表达式表示在拟合中只应使用数据行的子集。
na.action	缺失数据过滤器函数，在使用任何 subset 参数后应用于模型框架。默认为 options()$na.action 。
times	时间点向量，为其返回更新的权重。如果缺失，则假定数据中最大时间之后的时间。
id	可选：如果数据集每个主题有多个行，则包含每行主题标识符的变量。
timefix	纠正可能的舍入误差
renorm	每组内的权重总和为 1

细节

formula 参数的处理方式与 survfit 函数中的处理方式完全相同。

重新分配是递归的：将第一个审查观测值的权重重新分配给所有时间较长的观测值，其中可能包括其他审查观测值。然后重新分配下一个最小的值，依此类推，直到指定的 time 值。将删失观测值的权重重新分配给其他未删失观测值后，通常可以应用普通的非删失方法。例如，重新分配权重，然后计算加权累积分布函数，重复 Kaplan-Meier 估计器。

该例程的主要用途是说明方法或探索新方法。直接使用 RTTR 的方法(例如 Brier 评分)通常会在内部进行这些计算。

公式右侧的协变量会导致组内发生重新分配；第 1 组中的审查将权重重新分配给第 1 组中的其他人，等等。当审查模式取决于组时，这是适当的。

值

权重向量或矩阵，每个请求的时间有一列

例子

afit <- survfit(Surv(time, status) ~1, data=aml)
rwt  <- rttright(Surv(time, status) ~1, data=aml)

# Reproduce a Kaplan-Meier
index <- order(aml$time)
cdf <- cumsum(rwt[index])  # weighted CDF
cdf <- cdf[!duplicated(aml$time[index], fromLast=TRUE)]  # remove duplicate times
cbind(time=afit$time, KM= afit$surv, RTTR= 1-cdf)

# Hormonal patients have a diffent censoring pattern
wt2 <- rttright(Surv(dtime, death) ~ hormon, rotterdam, times= 365*c(3, 5))
dim(wt2)

也可以看看

survfit