R survfit.formula 計算刪失數據的生存曲線

說明

使用 Aalen-Johansen 估計器計算刪失數據的生存曲線估計值。對於普通(單一事件)生存，這減少到 Kaplan-Meier 估計。

用法

## S3 method for class 'formula'
survfit(formula, data, weights, subset, na.action,  
        stype=1, ctype=1, id, cluster, robust, istate, timefix=TRUE,
        etype, model=FALSE, error, ...)

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。其中一項可能是 strata 對象。對於單個生存曲線，右側應為 ~ 1 。
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 。
stype	生存曲線估計所使用的方法：1 = 直接，2 = exp(累積風險)。
ctype	用於估計累積風險的方法：1 = Nelson-Aalen 公式，2 = Fleming-Harrington 對並列事件的修正。
id	當給定的人可以擁有多行數據時，可以識別個體受試者。
cluster	用於對無窮小折刀方差估計的觀測值進行分組，默認為 id 的值。
robust	邏輯上，函數應該計算穩健的方差。對於多狀態生存曲線，默認情況下這是正確的。對於單一狀態數據，請參閱下麵的詳細信息。
istate	對於多狀態模型，識別每個主題或觀察的初始狀態
timefix	通過 aeqSurv 函數處理時間，以消除潛在的舍入問題。
etype	給出事件類型的變量。它已被多狀態 Surv 對象取代並已棄用；請參見下麵的示例。
model	在輸出中包含模型框架的副本
error	該參數不再使用
...	以下附加參數傳遞給 survfit 調用的內部函數。 se.fit 邏輯值，默認為 TRUE。如果為 FALSE，則省略標準誤差計算。 conf.type "none" 、 "plain" 、 "log" (默認)、 "log-log" 、 "logit" 或 "arcsin" 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 選項將間隔基於對數風險或 log(-log(survival))，logit 選項基於 log(survival/(1-survival))，arcsin 基於 arcsin(survival)。 conf.lower 一個字符串，用於指定曲線的修改下限，上限保持不變。可能的值為 "usual" (未修改)、"peto" 和 "modified" 。修改後的下限基於"effective n"參數。置信帶將與每次死亡時間的通常計算一致，但與通常的帶不同，置信區間在每次審查觀察時變得更寬。額外寬度是通過將通常方差乘以因子 m/n 獲得的，其中 n 是當前處於危險中的人數，m 是上次死亡時處於危險中的人數。 (因此，這些條帶與每個死亡時間的un-modified條帶一致。)這對於具有長平尾的生存曲線特別有用。 Peto 下限基於與修改後的限製相同的 "effective n" 參數，但也用簡單的近似值替換了通常的格林伍德方差項。眾所周知，它是保守的。 start.time 指定開始計算生存信息的時間的數值。生成的曲線是生存到 start.time 的生存條件。 conf.int 生存曲線上兩側置信區間的水平。默認值為 0.95。 se.fit 指示是否應計算標準誤差的邏輯值。默認為 TRUE 。 影響 一個邏輯值，指示是否返回每個主題的無窮小折刀(影響)值。這些包含每個值相對於每個主題 i 的案例權重的導數值： \partial p/\partial w_i ，在權重向量上進行評估。生成的對象將包含 influence.surv 和 influence.chaz 組件。或者，influence=1 或influence=2 選項將分別返回僅生存曲線或危險曲線的值。 p0 這僅適用於多狀態曲線。一個可選向量，給出各個狀態的初始概率。如果缺少此值，則使用 start.time 處所有處於風險的觀測值的起始狀態的頻率來估計 p0，或者如果未指定，則在第一個事件發生時估計 p0。 類型 結合了 stype 和 ctype 的舊參數，現已棄用。合法值為"kaplan-meier"，相當於stype=1, ctype=1，"fleming-harrington"，相當於stype=2, ctype=1，"fh2"，相當於stype=2, ctype=2.

細節

如果存在 data 參數，則將在該數據集中搜索 formula 、 weights 、 subset 、 id 、 cluster 和 istate 參數中的變量。

該例程返回估計的狀態概率和估計的累積危險估計。累積危險估計是Nelson-Aalen (NA) 估計或Fleming-Harrington (FH) 估計，後者包括對綁定事件時間的修正。狀態中的估計概率可以使用累積風險的指數進行估計，也可以使用Aalen-Johansen方法進行直接估計。對於單狀態數據，AJ 估計減少到Kaplan-Meier，狀態概率減少到生存曲線；對於競爭風險數據，AJ 簡化為累積發生率 (CI) 估計量。為了向後兼容，可以使用 type 參數。

當數據集包含左刪失或區間刪失數據(或兩者)時，則使用 Turnbull 的 EM 方法來計算總體曲線。目前該算法非常慢，僅生成生存曲線，並且不支持魯棒方差。

穩健方差：如果 robust 為 TRUE，或者對於多狀態曲線，則結果的標準誤差將基於無窮小折刀 (IJ) 估計，否則將使用基於標準模型的估計。對於單狀態曲線，如果出現以下情況之一，robust 的默認值為 TRUE：存在 cluster 參數、存在非整數權重，或者存在 id 語句且至少有一個 id 值具有多個事件，否則為 FALSE。默認值代表了我們對何時最常需要穩健方差的最佳猜測。當存在非整數案例權重和(time1，time2)生存數據時，例程陷入死鎖：可能需要穩健方差，但需要 id 或 cluster 信息才能正確完成；它將默認為robust=FALSE。

當存在非整數情況權重時，默認使用穩健方差的一個意想不到的副作用是，使用區間刪失數據的擬合(使用更新的權重向量迭代基礎 KM)現在默認返回穩健方差。根據 Sun (2001)，這可能是首選，因為樸素估計忽略了權重的估計。先前的行為可以通過 robust= FALSE 獲得。

通過 IJ 估計，杠杆值本身可以作為具有維度的數組返回：受試者數量、獨特次數，以及對於多狀態模型，獨特狀態的數量。請注意，這些數組可能很大。如果有 cluster 參數，則第一個維度將是簇的數量，方差將是分組 IJ 估計；這可能是減小尺寸的重要工具。 influence 參數的數值允許更精細的控製：0= 都不返回(與 FALSE 相同)，1= 返回狀態概率的影響數組，2= 返回累積風險的影響數組，3= 返回兩者(與 TRUE 相同)。

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 。

例子

#fit a Kaplan-Meier and plot it 
fit <- survfit(Surv(time, status) ~ x, data = aml) 
plot(fit, lty = 2:3) 
legend(100, .8, c("Maintained", "Nonmaintained"), lty = 2:3) 

#fit a Cox proportional hazards model and plot the  
#predicted survival for a 60 year old 
fit <- coxph(Surv(futime, fustat) ~ age, data = ovarian) 
plot(survfit(fit, newdata=data.frame(age=60)),
     xscale=365.25, xlab = "Years", ylab="Survival") 

# Here is the data set from Turnbull
#  There are no interval censored subjects, only left-censored (status=3),
#  right-censored (status 0) and observed events (status 1)
#
#                             Time
#                         1    2   3   4
# Type of observation
#           death        12    6   2   3
#          losses         3    2   0   3
#      late entry         2    4   2   5
#
tdata <- data.frame(time  =c(1,1,1,2,2,2,3,3,3,4,4,4),
                    status=rep(c(1,0,2),4),
                    n     =c(12,3,2,6,2,4,2,0,2,3,3,5))
fit  <- survfit(Surv(time, time, status, type='interval') ~1, 
              data=tdata, weight=n)

#
# Three curves for patients with monoclonal gammopathy.
#  1. KM of time to PCM, ignoring death (statistically incorrect)
#  2. Competing risk curves (also known as "cumulative incidence")
#  3. Multi-state, showing Pr(in each state, at time t)
#
fitKM <- survfit(Surv(stop, event=='pcm') ~1, data=mgus1,
                    subset=(start==0))
fitCR <- survfit(Surv(stop, event) ~1,
                    data=mgus1, subset=(start==0))
fitMS <- survfit(Surv(start, stop, event) ~ 1, id=id, data=mgus1)
## Not run: 
# CR curves show the competing risks
plot(fitCR, xscale=365.25, xmax=7300, mark.time=FALSE,
            col=2:3, xlab="Years post diagnosis of MGUS",
            ylab="P(state)")
lines(fitKM, fun='event', xmax=7300, mark.time=FALSE,
            conf.int=FALSE)
text(3652, .4, "Competing risk: death", col=3)
text(5840, .15,"Competing risk: progression", col=2)
text(5480, .30,"KM:prog")

## End(Not run)

參考

Dorey, F. J. and Korn, E. L. (1987). Effective sample sizes for confidence intervals for survival probabilities. Statistics in Medicine 6, 679-87.

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.

Kyle, R. A. (1997). Moncolonal gammopathy of undetermined significance and solitary plasmacytoma. Implications for progression to overt multiple myeloma}, Hematology/Oncology Clinics N. Amer. 11, 71-87.

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

Sun, J. (2001). Variance estimation of a survival function for interval-censored data. Stat Med 20, 1949-1957.

Turnbull, B. W. (1974). Nonparametric estimation of a survivorship function with doubly censored data. J Am Stat Assoc, 69, 169-173.

也可以看看

survfit.coxph 用於 Cox 模型的生存曲線，survfit.object 用於 survfit 對象組件的說明，print.survfit 、 plot.survfit 、 lines.survfit 、 coxph 、 Surv 。