R survdiff 测试生存曲线差异

说明

使用 G^\rho 系列测试测试两条或多条生存曲线之间是否存在差异，或者针对已知替代方案测试单条曲线。

用法

survdiff(formula, data, subset, na.action, rho=0, timefix=TRUE)

参数

formula	其他生存模型的公式表达式，形式为 Surv(time, status) ~ predictors 。对于单样本测试，预测变量必须由单个 offset(sp) 项组成，其中 sp 是给出每个受试者生存概率的向量。对于 k-sample 测试，每个唯一的预测变量组合都定义一个子组。 strata 术语可用于生成分层测试。要使预测变量中的缺失值被视为单独的组而不是被省略，请使用 strata 函数及其 na.group=T 参数。
data	一个可选的 DataFrame ，用于解释公式中出现的变量。
subset	表达式，指示在拟合中应使用数据行的哪个子集。这可以是一个逻辑向量(被复制以使其长度等于观察数)、一个指示要包含哪些观察数(如果为负则排除)的数值向量或要包含的行名称的字符向量。默认情况下包括所有观察结果。
na.action	缺失数据过滤函数。在使用任何子集参数后，这将应用于model.frame。默认为 options()$na.action 。
rho	控制测试类型的标量参数。
timefix	通过 aeqSurv 函数处理时间，以消除潜在的舍入问题。

值

包含组件的列表：

n	每组中的受试者数量。
obs	每组中观察到的加权事件数。如果有层，这将是一个矩阵，每个层有一列。
exp	每组中事件的加权预期数量。如果有层，这将是一个矩阵，每个层有一列。
chisq	用于平等检验的卡方统计量。
var	检验的方差矩阵。
strata	可选地，每个层中包含的主题数量。
pvalue	对应于卡方统计量的 p 值

说明

此函数实现 Harrington 和 Fleming (1982) 的 G-rho 系列，对 S(t)^\rho 的每次死亡进行权重，其中 S(t) 是 Kaplan-Meier 的生存估计。对于rho = 0，这是log-rank 或Mantel-Haenszel 测试，对于rho = 1，它相当于Gehan-Wilcoxon 测试的Peto 和Peto 修改。

Peto 和 Peto 表明，如果两组有不同的审查模式，Gehan-Wilcoxon 测试可能会出现严重偏差，并提出了一种替代方案。 Prentice 和 Marek 随后展示了发生此问题的实际示例。然而，对于大多数数据集，Gehan-Wilcoxon 和 Peto-Peto-Prentice 变体几乎没有区别。

如果公式右侧仅包含偏移项，则进行单样本检验。要使预测变量中的缺失值被视为单独的组而不是被忽略，请使用 factor 函数及其 exclude 参数来重新编码 righ-hand-side 协变量。

例子

## Two-sample test
survdiff(Surv(futime, fustat) ~ rx,data=ovarian)

## Stratified 7-sample test

survdiff(Surv(time, status) ~ pat.karno + strata(inst), data=lung)

## Expected survival for heart transplant patients based on
## US mortality tables
expect <- survexp(futime ~ 1, data=jasa, cohort=FALSE,
                  rmap= list(age=(accept.dt - birth.dt), sex=1, year=accept.dt),
                  ratetable=survexp.us)
## actual survival is much worse (no surprise)
survdiff(Surv(jasa$futime, jasa$fustat) ~ offset(expect))

# The free light chain data set is close to the population.
e2 <- survexp(futime ~ 1, data=flchain, cohort=FALSE,
              rmap= list(age= age*365.25, sex=sex, 
                         year=as.Date(paste0(sample.yr, "-07-01"))),
              ratetable= survexp.mn)
survdiff(Surv(futime, death) ~ offset(e2), flchain)

参考

Harrington, D. P. and Fleming, T. R. (1982). A class of rank test procedures for censored survival data. Biometrika, 553-566.

Peto R. Peto and Peto, J. (1972) Asymptotically efficient rank invariant test procedures (with discussion), JRSSA, 185-206.

Prentice, R. and Marek, P. (1979) A qualitative discrepancy between censored data rank tests, Biometics, 861-867.