R survfit.coxph 根據 Cox 模型計算生存曲線

說明

計算 Cox 比例風險模型的預測幸存者函數。

用法

## S3 method for class 'coxph'
survfit(formula, newdata, 
        se.fit=TRUE, conf.int=.95, individual=FALSE, stype=2, ctype,
        conf.type=c("log","log-log","plain","none", "logit", "arcsin"),
        censor=TRUE, start.time, id, influence=FALSE,
        na.action=na.pass, type, ...)
## S3 method for class 'coxphms'
survfit(formula, newdata, 
        se.fit=FALSE, conf.int=.95, individual=FALSE, stype=2, ctype,
        conf.type=c("log","log-log","plain","none", "logit", "arcsin"),
        censor=TRUE, start.time, id, influence=FALSE,
        na.action=na.pass, type, p0=NULL, ...)

參數

formula	coxph 對象。
newdata	與 coxph 公式中出現的變量名稱相同的 DataFrame 。每行生成一條曲線。生成的曲線將代表其協變量對應於 newdata 中的值的隊列。
se.fit	指示是否應計算標準誤差的邏輯值。對於標準模型，默認值為 TRUE；對於多狀態，默認值為 FALSE(該情況下尚未提供代碼。)
conf.int	生存曲線上兩側置信區間的水平。默認值為 0.95。
individual	已棄用的參數，由通用的 id 取代
stype	生存曲線的計算，1=直接，2=累積風險的指數。
ctype	累積風險計算是否應對平局進行修正，1=否，2=是。
conf.type	"none" 、 "plain" 、 "log" (默認)、 "log-log" 或 "logit" 之一。隻需要足夠的字符串來唯一標識它即可。第一個選項會導致不生成置信區間。第二個導致標準間隔 curve +- k *se(curve) ，其中 k 由 conf.int 確定。對數選項根據累積危險或對數(生存)計算間隔。 log-log 選項使用日誌風險或 log(-log(survival)) 和 logit log(survival/(1-survival))。
censor	如果為 FALSE，則結果中不包括沒有事件(僅審查)的時間點。
id	主題標識符的可選變量名稱。如果存在，它將在 newdata 數據幀中搜索。 newdata 中具有相同主題 ID 的每組行代表單個主題隨時間變化的協變量路徑，結果將包含每個主題的一條曲線。如果 coxph 擬合具有分層，則還必須在 newdata 中指定。如果 newid 不存在，則 newdata 的每一行都被假定代表一個不同的主題。
start.time	可選的開始時間，單個數值。如果存在，則返回的曲線包含 start.time 之後的生存情況，條件是生存到 start.time 。
influence	返回影響值的選項
na.action	用於 newdata 參數的 na.action
type	包含 stype 和 ctype 的舊參數，現已棄用
p0	可選，概率向量。返回的曲線將針對具有這種起始狀態混合的隊列。大多數情況下會選擇一個狀態
...	對於未來的方法

細節

此例程根據 coxph 模型擬合生成 Pr(狀態)曲線。對於單狀態模型，它產生 S(t) = Pr(在時間 t 保持初始狀態)的單曲線，稱為生存曲線；對於多狀態模型，矩陣給出所有狀態的概率。 stype 參數說明估計的類型，默認為累積風險的指數，即眾所周知的 Breslow 估計。對於多狀態 Cox 模型，這涉及矩陣的指數。參數 stype=1 使用非指數或 ‘direct’ 估計值。對於單端點 coxph 模型，代碼評估 Kalbfleich-Prentice 估計，對於多狀態模型，它使用 Aalen-Johansen 估計器的模擬。後一種方法是 mstate 包中的默認方法。

ctype 選項會影響估計的累積危險，如果 stype=2 也會影響估計的 P(狀態)曲線。如果不存在，則選擇它以便與 coxph 調用中的 ties 選項一致。 (對於多狀態 coxphms 對象，當前僅實現 ctype=1。)同樣，基於模型的曲線估計和穩健的方差估計之間的選擇將反映在 coxph 調用中所做的選擇，任何聚類也都是從父級繼承的模型。

如果缺少 newdata 參數，則會為單個 "pseudo" 對象生成一條曲線，其協變量值等於擬合的 means 分量。生成的曲線幾乎沒有任何意義，但由於某些用戶和其他包顯示的選項的無理附加，默認值仍然存在。兩個特別令人震驚的例子是因子變量和交互作用。假設正在研究病毒的種間傳播，並且數據集有一個因子變量，其級別為("pig"、"chicken")，並且每個級別的觀察數量大約相等。 “mean” 協變量級別將為 0.5 - 這是一隻飛豬嗎？至於交互，假設數據的性別編碼為0/1，年齡範圍為50到80歲，模型為年齡*性別。年齡:性別交互項的 “mean” 值約為 30，該值不會出現在數據中。強烈建議用戶使用 newdata 參數。由於這些原因，多狀態 coxph 模型的預測需要 newdata 參數。

如果 coxph 模型包含偏移項，則 newdata 參數中的數據集也應包含該變量。

當原始模型包含與時間相關的協變量時，需要指定該協變量隨時間的路徑以獲得預測曲線。這要求 newdata 包含每個假設主題的多行，其中給出每行的協變量值、時間間隔和分層(主題可以更改分層)，以及 id 變量，該變量標記哪些行屬於每個主題。時間間隔必須具有與原始模型相同的(開始、停止、狀態)變量：雖然未使用狀態變量，因此可以設置為 0 或 1 的虛擬值，但響應需要被識別作為 Surv 對象。最後，盡管具有時間相關協變量路徑的預測可能很有用，但很容易創建毫無意義的預測。我們鼓勵用戶尋找詳細討論該問題的文本。

當模型包含分層但不包含時間相關協變量時，此例程的用戶可以進行選擇。如果 newdata 參數不包含分層變量，則返回的對象將是生存曲線矩陣，模型中的每個分層對應一行，newdata 中的每行對應一列。 (這是例程的曆史行為。)如果新數據確實包含層變量，則結果將根據原始模型的指示層，每行新數據包含一條曲線。在極少數情況下，模型具有協變量交互的層，層變量必須包含在新數據中，例程不允許省略它(預測變得太混亂)。 (請注意，模型 Surv(time, status) ~age*strata(sex) 在內部擴展為 strata(sex) +age:sex；模型的第二項需要 sex 變量。)

有關計數的更多詳細信息(事件數、麵臨風險的數等)，請參閱survfit

值

類 "survfit" 的對象。有關詳細信息，請參閱survfit.object。為 survfit 對象定義的方法有 print 、 plot 、 lines 和 points 。

注意

如果在另一個函數內部使用以下幾行，則必須將 model=TRUE 參數添加到 coxph 調用中： fit <- coxph(...); survfit(fit) 。這是 model.frame 函數在涉及公式時使用非標準評估過程的結果。

令 \log[S(t; z)] 為固定協變量向量 z 的生存曲線的對數，然後 \log[S(t; x)]= e^{(x-z)\beta}\log[S(t; z)] 為任何新協變量向量 x 的曲線對數。不幸的是，有一種傾向將帶有 z=0 的參考曲線稱為“THE”基線危險。然而，任何z都可以用作參考點，更重要的是，如果x-z很大，計算可能會遭受嚴重的舍入誤差。直接通過 newdata 提供所需的 x 值始終是最安全的。

參考

Fleming, T. H. and Harrington, D. P. (1984). Nonparametric estimation of the survival distribution in censored data. Comm. in Statistics 13, 2469-86.

Kalbfleisch, J. D. and Prentice, R. L. (1980). The Statistical Analysis of Failure Time Data. New York:Wiley.

Link, C. L. (1984). Confidence intervals for the survival function using Cox's proportional hazards model with covariates. Biometrics 40, 601-610.

Therneau T and Grambsch P (2000), Modeling Survival Data: Extending the Cox Model, Springer-Verlag.

Tsiatis, A. (1981). A large sample study of the estimate for the integrated hazard function in Cox's regression model for survival data. Annals of Statistics 9, 93-108.

也可以看看

print.survfit、plot.survfit、lines.survfit、coxph、Surv、strata。