R survexp 計算預期生存期

說明

返回一組受試者的預期生存期，或每個受試者的個人預期生存期。

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)

參數

formula	公式對象。響應變量是後續時間的向量並且是可選的。預測變量由由 + 運算符分隔的可選分組變量組成(如 survfit )，並且通常是 ~1 ，即整個組的預期生存期。
data	數據幀，用於解釋 formula 、 subset 和 weights 參數中命名的變量。
weights	箱重。當需要已知群體的條件生存時，這是最有用的，例如，數據集將包含所有獨特的年齡/性別組合，並且權重將是每個組合的比例。
subset	表達式指示要在擬合中使用的 data 行的子集。
na.action	過濾缺失數據的函數。這將在應用 subset 後應用於模型框架。默認為 options()$na.action 。
rmap	將數據集名稱映射到費率表名稱的可選列表。請參閱下麵的詳細信息部分。
times	評估所得生存曲線的隨訪時間向量。如果不存在，將為 formula 的響應值中提供的時間向量的每個唯一值報告結果。
method	創建生存曲線的計算方法。 individual 選項不會創建曲線，而是檢索每個受試者的預測生存individual.s 或累積風險individual.h。如果公式沒有響應，則默認使用method='ederer'，否則使用method='hakulinen'。
cohort	邏輯值。該參數已被 method 參數取代。為了保持向後兼容性，如果存在且為 FALSE，則意味著 method='individual.s' 。
conditional	邏輯值。該參數已被 method 參數取代。為了保持向後兼容性，如果它存在並且為 TRUE，則意味著 method='conditional' 。
ratetable	事件率表，例如 survexp.mn 或擬合的 Cox 模型。請注意，默認參數中存在 survival:: 前綴，以避免出現用戶需要默認表但恰好在自己的目錄中有名為 "survexp.us" 的對象的(罕見)情況。
scale	用於縮放結果的數值。如果 ratetable 的單位為單位/天，scale = 365.25 會導致以年為單位報告輸出。
se.fit	計算預測生存的標準誤差。該論點目前被忽略。標準誤差不是人口率表的定義概念(它們被視為來自完整的人口普查)，並且對於 Cox 模型來說，計算很困難。盡管意圖良好，後一種情況的標準錯誤尚未編碼和驗證。
model , x , y	控製返回內容的標誌。如果其中任何一個為真，則模型框架、模型矩陣和/或響應時間向量將作為最終結果的組成部分返回，並具有與標誌參數相同的名稱。

細節

個體預期生存率通常用於模型或測試中，以‘correct’表示一組受試者的年齡和性別構成。例如，假設一組受試者的出生日期、進入研究的日期、性別和實際生存時間都是已知的。 survexp.us 人口表包含基於日曆年、性別和年齡的預期死亡率。然後

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

給出每個受試者在觀察到的死亡時間或最後隨訪時間(變量 fu.time)之前經曆的總危險。該概率可以用作模型中重新調整的時間值：

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

在第一個模型中，截距 = 0 的測試是單樣本 log-rank 測試，用於測試觀察到的受試者組是否具有與基線群體相同的生存率。第二個模型測試年齡和性別調整後變量x 的影響。

正在使用的費率表可能具有與用戶數據集不同的變量名稱，這由 rmap 參數處理。上述計算的比率表是 survexp.us ，對 summary{survexp.us} 的調用顯示它期望變量 age = 以天為單位的年齡， sex 和 year = 研究條目的日期，我們創建它們在 rmap 行中。性別變量未映射，因此該函數假定它以正確的格式存在於 mydata 中。 (注意：對於性別等因子，程序將匹配任何唯一的縮寫，忽略大小寫。)

隊列生存用於生成總體生存曲線。然後將其添加到研究組的 Kaplan-Meier 圖中，以便在這些受試者與總體人群之間進行視覺比較。計算隊列生存率有三種常見方法。在 Ederer 的 "exact method" 中，隊列沒有被審查，在這種情況下，公式中不需要響應變量。 Hakulinen 建議在每個患者的預期審查時間對隊列進行審查，Verheul 建議在每個患者的實際觀察時間對隊列進行審查。最後一個是條件方法。這些是通過使用各自的時間值作為公式中的後續時間或響應來獲得的。

值

如果 cohort=TRUE 是 survexp 類的對象，否則是 per-subject 預期生存值的向量。前者包含處於危險中的受試者數量以及隊列在每個請求時間的預期生存率。隊列生存率是從總體人群中招募的一組受試者的假設生存率，但與比率表中找到的因子的數據集相匹配。

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')

參考

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。