R survdiff 測試生存曲線差異

說明

使用 G^\rho 係列測試測試兩條或多條生存曲線之間是否存在差異，或者針對已知替代方案測試單條曲線。

用法

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

參數

formula	其他生存模型的公式表達式，形式為 Surv(time, status) ~ predictors 。對於單樣本測試，預測變量必須由單個 offset(sp) 項組成，其中 sp 是給出每個受試者生存概率的向量。對於 k-sample 測試，每個唯一的預測變量組合都定義一個子組。 strata 術語可用於生成分層測試。要使預測變量中的缺失值被視為單獨的組而不是被省略，請使用 strata 函數及其 na.group=T 參數。
data	一個可選的 DataFrame ，用於解釋公式中出現的變量。
subset	表達式，指示在擬合中應使用數據行的哪個子集。這可以是一個邏輯向量(被複製以使其長度等於觀察數)、一個指示要包含哪些觀察數(如果為負則排除)的數值向量或要包含的行名稱的字符向量。默認情況下包括所有觀察結果。
na.action	缺失數據過濾函數。在使用任何子集參數後，這將應用於model.frame。默認為 options()$na.action 。
rho	控製測試類型的標量參數。
timefix	通過 aeqSurv 函數處理時間，以消除潛在的舍入問題。

值

包含組件的列表：

n	每組中的受試者數量。
obs	每組中觀察到的加權事件數。如果有層，這將是一個矩陣，每個層有一列。
exp	每組中事件的加權預期數量。如果有層，這將是一個矩陣，每個層有一列。
chisq	用於平等檢驗的卡方統計量。
var	檢驗的方差矩陣。
strata	可選地，每個層中包含的主題數量。
pvalue	對應於卡方統計量的 p 值

說明

此函數實現 Harrington 和 Fleming (1982) 的 G-rho 係列，對 S(t)^\rho 的每次死亡進行權重，其中 S(t) 是 Kaplan-Meier 的生存估計。對於rho = 0，這是log-rank 或Mantel-Haenszel 測試，對於rho = 1，它相當於Gehan-Wilcoxon 測試的Peto 和Peto 修改。

Peto 和 Peto 表明，如果兩組有不同的審查模式，Gehan-Wilcoxon 測試可能會出現嚴重偏差，並提出了一種替代方案。 Prentice 和 Marek 隨後展示了發生此問題的實際示例。然而，對於大多數數據集，Gehan-Wilcoxon 和 Peto-Peto-Prentice 變體幾乎沒有區別。

如果公式右側僅包含偏移項，則進行單樣本檢驗。要使預測變量中的缺失值被視為單獨的組而不是被忽略，請使用 factor 函數及其 exclude 參數來重新編碼 righ-hand-side 協變量。

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)

參考

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.