R survexp 计算预期生存期

说明

返回一组受试者的预期生存期，或每个受试者的个人预期生存期。

用法

survexp(formula, data, weights, subset, na.action, rmap, times,
        method=c("ederer", "hakulinen", "conditional", "individual.h",
                 "individual.s"),
        cohort=TRUE, conditional=FALSE,
        ratetable=survival::survexp.us, scale=1,
        se.fit, model=FALSE, x=FALSE, y=FALSE)

参数

formula	公式对象。响应变量是后续时间的向量并且是可选的。预测变量由由 + 运算符分隔的可选分组变量组成(如 survfit )，并且通常是 ~1 ，即整个组的预期生存期。
data	数据帧，用于解释 formula 、 subset 和 weights 参数中命名的变量。
weights	箱重。当需要已知群体的条件生存时，这是最有用的，例如，数据集将包含所有独特的年龄/性别组合，并且权重将是每个组合的比例。
subset	表达式指示要在拟合中使用的 data 行的子集。
na.action	过滤缺失数据的函数。这将在应用 subset 后应用于模型框架。默认为 options()$na.action 。
rmap	将数据集名称映射到费率表名称的可选列表。请参阅下面的详细信息部分。
times	评估所得生存曲线的随访时间向量。如果不存在，将为 formula 的响应值中提供的时间向量的每个唯一值报告结果。
method	创建生存曲线的计算方法。 individual 选项不会创建曲线，而是检索每个受试者的预测生存individual.s 或累积风险individual.h。如果公式没有响应，则默认使用method='ederer'，否则使用method='hakulinen'。
cohort	逻辑值。该参数已被 method 参数取代。为了保持向后兼容性，如果存在且为 FALSE，则意味着 method='individual.s' 。
conditional	逻辑值。该参数已被 method 参数取代。为了保持向后兼容性，如果它存在并且为 TRUE，则意味着 method='conditional' 。
ratetable	事件率表，例如 survexp.mn 或拟合的 Cox 模型。请注意，默认参数中存在 survival:: 前缀，以避免出现用户需要默认表但恰好在自己的目录中有名为 "survexp.us" 的对象的(罕见)情况。
scale	用于缩放结果的数值。如果 ratetable 的单位为单位/天，scale = 365.25 会导致以年为单位报告输出。
se.fit	计算预测生存的标准误差。该论点目前被忽略。标准误差不是人口率表的定义概念(它们被视为来自完整的人口普查)，并且对于 Cox 模型来说，计算很困难。尽管意图良好，后一种情况的标准错误尚未编码和验证。
model , x , y	控制返回内容的标志。如果其中任何一个为真，则模型框架、模型矩阵和/或响应时间向量将作为最终结果的组成部分返回，并具有与标志参数相同的名称。

细节

个体预期生存率通常用于模型或测试中，以‘correct’表示一组受试者的年龄和性别构成。例如，假设一组受试者的出生日期、进入研究的日期、性别和实际生存时间都是已知的。 survexp.us 人口表包含基于日历年、性别和年龄的预期死亡率。然后

  haz <- survexp(fu.time ~ 1, data=mydata, 
                      rmap = list(year=entry.dt, age=(birth.dt-entry.dt)),
                      method='individual.h')) 

给出每个受试者在观察到的死亡时间或最后随访时间(变量 fu.time)之前经历的总危险。该概率可以用作模型中重新调整的时间值：

glm(status ~ 1 + offset(log(haz)), family=poisson) 
glm(status ~ x + offset(log(haz)), family=poisson) 

在第一个模型中，截距 = 0 的测试是单样本 log-rank 测试，用于测试观察到的受试者组是否具有与基线群体相同的生存率。第二个模型测试年龄和性别调整后变量x 的影响。

正在使用的费率表可能具有与用户数据集不同的变量名称，这由 rmap 参数处理。上述计算的比率表是 survexp.us ，对 summary{survexp.us} 的调用显示它期望变量 age = 以天为单位的年龄， sex 和 year = 研究条目的日期，我们创建它们在 rmap 行中。性别变量未映射，因此该函数假定它以正确的格式存在于 mydata 中。 (注意：对于性别等因子，程序将匹配任何唯一的缩写，忽略大小写。)

队列生存用于生成总体生存曲线。然后将其添加到研究组的 Kaplan-Meier 图中，以便在这些受试者与总体人群之间进行视觉比较。计算队列生存率有三种常见方法。在 Ederer 的 "exact method" 中，队列没有被审查，在这种情况下，公式中不需要响应变量。 Hakulinen 建议在每个患者的预期审查时间对队列进行审查，Verheul 建议在每个患者的实际观察时间对队列进行审查。最后一个是条件方法。这些是通过使用各自的时间值作为公式中的后续时间或响应来获得的。

值

如果 cohort=TRUE 是 survexp 类的对象，否则是 per-subject 预期生存值的向量。前者包含处于危险中的受试者数量以及队列在每个请求时间的预期生存率。队列生存率是从总体人群中招募的一组受试者的假设生存率，但与比率表中找到的因子的数据集相匹配。

例子

# 
# Stanford heart transplant data
#  We don't have sex in the data set, but know it to be nearly all males.
# Estimate of conditional survival  
fit1 <- survexp(futime ~ 1, rmap=list(sex="male", year=accept.dt,   
          age=(accept.dt-birth.dt)), method='conditional', data=jasa)
summary(fit1, times=1:10*182.5, scale=365) #expected survival by 1/2 years

# Estimate of expected  survival stratified by prior surgery 
survexp(~ surgery, rmap= list(sex="male", year=accept.dt,  
	age=(accept.dt-birth.dt)), method='ederer', data=jasa,
        times=1:10 * 182.5) 

## Compare the survival curves for the Mayo PBC data to Cox model fit
## 
pfit <-coxph(Surv(time,status>0) ~ trt + log(bili) + log(protime) + age +
                platelet, data=pbc)
plot(survfit(Surv(time, status>0) ~ trt, data=pbc), mark.time=FALSE)
lines(survexp( ~ trt, ratetable=pfit, data=pbc), col='purple')

参考

Berry, G. (1983). The analysis of mortality by the subject-years method. Biometrics, 39:173-84.

Ederer, F., Axtell, L. and Cutler, S. (1961). The relative survival rate: a statistical methodology. Natl Cancer Inst Monogr, 6:101-21.

Hakulinen, T. (1982). Cancer survival corrected for heterogeneity in patient withdrawal. Biometrics, 38:933-942.

Therneau, T. and Grambsch, P. (2000). Modeling survival data: Extending the Cox model. Springer. Chapter 10.

Verheul, H., Dekker, E., Bossuyt, P., Moulijn, A. and Dunning, A. (1993). Background mortality in clinical survival studies. Lancet, 341: 872-875.

也可以看看

survfit、pyears、survexp.us、ratetable、survexp.fit。