R rttright 計算重新分配到正確的權重

說明

對於許多生存估計值，一種方法是將每個審查觀察的權重重新分配給具有較長生存時間的其他觀察(考慮將遺產分配給繼承人)。然後計算剩餘的未經審查的數據。

用法

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

參數

formula	一個公式對象，它必須有一個 Surv 對象作為 ~ 運算符左側的響應，並且如果需要，右側的項也可以由 + 運算符分隔。每個獨特的預測變量組合將定義一個單獨的層。
data	一個 DataFrame ，用於解釋公式、subset 和 weights 參數中指定的變量。
weights	權重必須為非負數，並且強烈建議它們嚴格為正數，因為與使用 subset 參數相比，零權重是不明確的。
subset	表達式表示在擬合中隻應使用數據行的子集。
na.action	缺失數據過濾器函數，在使用任何 subset 參數後應用於模型框架。默認為 options()$na.action 。
times	時間點向量，為其返回更新的權重。如果缺失，則假定數據中最大時間之後的時間。
id	可選：如果數據集每個主題有多個行，則包含每行主題標識符的變量。
timefix	糾正可能的舍入誤差
renorm	每組內的權重總和為 1

細節

formula 參數的處理方式與 survfit 函數中的處理方式完全相同。

重新分配是遞歸的：將第一個審查觀測值的權重重新分配給所有時間較長的觀測值，其中可能包括其他審查觀測值。然後重新分配下一個最小的值，依此類推，直到指定的 time 值。將刪失觀測值的權重重新分配給其他未刪失觀測值後，通常可以應用普通的非刪失方法。例如，重新分配權重，然後計算加權累積分布函數，重複 Kaplan-Meier 估計器。

該例程的主要用途是說明方法或探索新方法。直接使用 RTTR 的方法(例如 Brier 評分)通常會在內部進行這些計算。

公式右側的協變量會導致組內發生重新分配；第 1 組中的審查將權重重新分配給第 1 組中的其他人，等等。當審查模式取決於組時，這是適當的。

值

權重向量或矩陣，每個請求的時間有一列

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