我对使用R的 survival
包执行简单预测的格式感到困惑
library(survival)
lung.surv <- survfit(Surv(time,status) ~ 1, data = lung)
所以拟合简单的指数回归(仅用于示例目的)是:
lung.reg <- survreg(Surv(time,status) ~ 1, data = lung, dist="exponential")
我如何预测时间百分比= 400?
当我使用以下内容时:
myPredict400 <- predict(lung.reg, newdata=data.frame(time=400), type="response")
我得到以下内容:
myPredict400
1
421.7758
我期待37%的东西,所以我错过了一些非常明显的东西
1 回答
这种生存函数的关键是要找到一个符合生存时间的经验分布 . 基本上,您将生存时间与概率联系起来 . 一旦你有了这个分布,你可以选择给定时间的存活率 .
试试这个:
直接来自帮助文档,这是一个情节:
Edited
你基本上将回归拟合到概率分布中(因此,100 ...中的1 ... 99) . 如果你使它变为100,那么预测的最后一个值是
inf
,因为第100百分位数的存活率是无限的 . 这就是quantile
和pct
参数的作用 .例如,设置
pct = 1:999/1000
可以获得更精确的预测值(myPredict400
) . 此外,如果将pct
设置为某个值's not a proper probability (i.e. less than 0 or more than 1) you'将收到错误 . 我建议你玩这些值,看看它们如何影响你的生存率 .