首页 文章

如何绘制survreg生成的生存曲线（R的包存活率）？

提问于
浏览 次
26

我正在尝试将Weibull模型拟合并绘制成生存数据 . 该数据只有一个协变量，同期，从2006年到2010年 . 所以，任何关于如何添加到两行代码的想法，以绘制2010年队列的生存曲线？

library(survival)
s <- Surv(subSetCdm$dur,subSetCdm$event)
sWei <- survreg(s ~ cohort,dist='weibull',data=subSetCdm)

使用Cox PH模型完成相同操作非常简单，具有以下几行 . 问题是survfit（）不接受类型为幸存的对象 .

sCox <- coxph(s ~ cohort,data=subSetCdm)
cohort <- factor(c(2010),levels=2006:2010)
sfCox <- survfit(sCox,newdata=data.frame(cohort))
plot(sfCox,col='green')

使用数据肺（来自生存包），这是我想要完成的 .

#create a Surv object
s <- with(lung,Surv(time,status))

#plot kaplan-meier estimate, per sex
fKM <- survfit(s ~ sex,data=lung)
plot(fKM)

#plot Cox PH survival curves, per sex
sCox <- coxph(s ~ as.factor(sex),data=lung)
lines(survfit(sCox,newdata=data.frame(sex=1)),col='green')
lines(survfit(sCox,newdata=data.frame(sex=2)),col='green')

#plot weibull survival curves, per sex, DOES NOT RUN
sWei <- survreg(s ~ as.factor(sex),dist='weibull',data=lung)
lines(survfit(sWei,newdata=data.frame(sex=1)),col='red')
lines(survfit(sWei,newdata=data.frame(sex=2)),col='red')
r plot survival-analysis weibull

3 回答

  • 7

    希望这有帮助，我没有犯一些误导性的错误：

    从上面复制：

    #create a Surv object
    s <- with(lung,Surv(time,status))

    #plot kaplan-meier estimate, per sex
    fKM <- survfit(s ~ sex,data=lung)
    plot(fKM)

    #plot Cox PH survival curves, per sex
    sCox <- coxph(s ~ as.factor(sex),data=lung)
    lines(survfit(sCox,newdata=data.frame(sex=1)),col='green')
    lines(survfit(sCox,newdata=data.frame(sex=2)),col='green')

    对于Weibull，使用预测，来自Vincent的评论：

    #plot weibull survival curves, per sex,
    sWei <- survreg(s ~ as.factor(sex),dist='weibull',data=lung)

    lines(predict(sWei, newdata=list(sex=1),type="quantile",p=seq(.01,.99,by=.01)),seq(.99,.01,by=-.01),col="red")
    lines(predict(sWei, newdata=list(sex=2),type="quantile",p=seq(.01,.99,by=.01)),seq(.99,.01,by=-.01),col="red")

    plot output

    这里的技巧是逆转绘图与预测的分位数顺序 . 可能有更好的方法来做到这一点，但它在这里工作 . 祝好运！

    回复于
  • 14

    另一种选择是使用包 flexsurv . 这提供了一些比 survival 包更多的功能 - 包括参数回归函数 flexsurvreg() 有一个很好的绘图方法，可以满足您的要求 .

    如上使用肺;

    #create a Surv object
s <- with(lung,Surv(time,status))

require(flexsurv)
sWei  <- flexsurvreg(s ~ as.factor(sex),dist='weibull',data=lung)
sLno  <- flexsurvreg(s ~ as.factor(sex),dist='lnorm',data=lung)   

plot(sWei)
lines(sLno, col="blue")

    output from plot.flexsurvreg

    您可以使用 type 参数绘制累积危险或危险等级，并使用 ci 参数添加置信区间 .

    回复于
  • 22

    这只是一个澄清Tim Riffe's answer的注释，它使用以下代码：

    lines(predict(sWei, newdata=list(sex=1),type="quantile",p=seq(.01,.99,by=.01)),seq(.99,.01,by=-.01),col="red")
lines(predict(sWei, newdata=list(sex=2),type="quantile",p=seq(.01,.99,by=.01)),seq(.99,.01,by=-.01),col="red")

    两个镜像序列 seq(.01,.99,by=.01) 和 seq(.99,.01,by=-.01) 的原因是因为predict（）方法给出了事件分布f（t）的分位数 - 即f（t）的逆CDF的值 - 而生存曲线绘制1-（CD的f）对t . 换句话说，如果你绘制p与预测（p），你得到生存曲线，即1-CDF . 以下代码更透明，并推广到p值的任意向量：

    pct <- seq(.01,.99,by=.01)
lines(predict(sWei, newdata=list(sex=1),type="quantile",p=pct),1-pct,col="red")
lines(predict(sWei, newdata=list(sex=2),type="quantile",p=pct),1-pct,col="red")
    回复于

相关问题