R语言绘制生存曲线95%区间
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了R语言绘制生存曲线95%区间相关的知识,希望对你有一定的参考价值。
参考技术A 1. 安装和加载包绘制Kaplan-Meier生存曲线需要用到的R包:survminer和survival。
library(survminer) # 加载包
library(survival) # 加载包
2 拟合曲线
R中使用survfit()函数来拟合生存曲线。
fit.3<-survfit(Surv(住院天数+病程,组别)~cd1656,data=data)
3. 绘制曲线函数
ggsurvplot(fit, data = NULL, fun = NULL, color = NULL,
palette = NULL, linetype = 1, conf.int = FALSE,
pval = FALSE, pval.method = FALSE,
test.for.trend = FALSE, surv.median.line = "none",
risk.table = FALSE, cumevents = FALSE,
cumcensor = FALSE, tables.height = 0.25,
group.by = NULL, facet.by = NULL, add.all = FALSE,
combine = FALSE, ggtheme = theme_survminer(),
tables.theme = ggtheme, ...)
# 参数解释
fit # 拟合的生存曲线对象
data # 用来拟合生存曲线的数据集
fun # 常用三个字符参数;
# "event"绘制累积事件(f(y)=1-y),
# "cumhaz"绘制累积危害函数(f(y)=-log(y));
# "pct"绘制生存概率(百分比)。
color # 设置生存曲线的颜色。
# 如果只有1条曲线,则直接设置color="blue";
# 如果有多条曲线,默认color="strata",按分组为生存曲线着色;
# 也可以自定义调色板来设置曲线颜色。
palette # 调色板,默认"hue"。
# 可选调色板有"grey","npg","aaas","lancet",
# "jco", "ucscgb","uchicago","simpsons"和"rickandmorty".
linetype = 1 # 设置曲线线型。可以按"strata"设置线型;
# 或按数字向量c(1, 2)或按字符向量c("solid", "dashed")设置
conf.int # 逻辑词;默认FASLE;为TRUE则绘制曲线置信区间
pval = FALSE # 逻辑词;为TRUE则将统计检验计算的p值添加到图上;
# 为数字,则直接指定P值大小,如pval = 0.03;
# 为字符串,则添加字符串到图上,如pval = "p-value: 0.031"
pval.method # 逻辑词,是否添加计算p值的统计方法的文本;
# 只有当 pval = TRUE时, 才会在图上添加检验方法文本
test.for.trend # 逻辑词,默认为FALSE;
# 为TRUE则返回趋势p值的检验,趋势检验旨在检验生存曲线的有序差异
surv.median.line # 在中位生存时间点处绘制水平或垂直线的字符向量;
# 可用值有"none"、"hv"、"h"、"v";其中v绘制垂直线,h绘制水平线。
risk.table = FALSE # 逻辑词,图上是否添加风险表;
# "absolute" 显示处于风险中的绝对数量;
# "percentage" 显示处于风险中的百分比数量
# "abs_pct" 显示处于风险中的绝对数量和百分比
cumevents # 逻辑词,是否添加累计事件表
cumcensor # 逻辑词,是否添加累计删失表
tables.height = 0.25 # 生存曲线图下所有生存表的高度,数值0-1之间
group.by # 包含分组变量名称的字符向量,向量长度≤2
facet.by # 字符向量,指定绘制分面生存曲线的分组变量(应≤2)的名称
ggtheme=theme_survminer() # 设置ggplot2主题,如theme_bw()
tables.theme # 作用于生存表的ggplot2主题名称
# 有theme_survminer、theme_cleantable()
add.all = FALSE # 逻辑词;是否添加总患者生存曲线到主生存图中
MTTF 的置信区间 - R 中的 Weibull 生存曲线
【中文标题】MTTF 的置信区间 - R 中的 Weibull 生存曲线【英文标题】:confidence interval for MTTF - Weibull survival curve in R 【发布时间】:2015-07-27 09:59:38 【问题描述】:我正在尝试在 R 中实施 Delta 方法来计算 Weibull 生存曲线的 MTTF 方差。形状参数是alpha,比例参数是delta。方差 = var;协方差 = cov.
等式是:
var(mttf) = var(alpha)*[d(mttf)/d(alpha)]^2 +
2*cov(alpha,delta)*d(mttf)/d(alpha)*d(mttf)/d(delta)
+ var(delta)*[d(mttf/d(delta)]^2.
地点:
d(mttf)/d(alpha) = gamma(1+1/delta)
d(mttf)/d(delta) = -alpha/delta^2 * gamma(1+1/delta) * digamma(1+1/delta)
所以方程变为:
var(mttf) = var(alpha)*[gamma(1+1/delta)]^2 +
2*cov(alpha,delta)*gamma(1+1/delta)*(-alpha/delta^2 * gamma(1+1/delta) * digamma(1+1/delta))
+ var(delta)*[-alpha/delta^2 * gamma(1+1/delta) * digamma(1+1/delta)]^2
我可以从方差-协方差矩阵中获取 var(alpha)、var(delta) 和 cov(alpha,delta)。
拟合的weibull模型称为ajust。
vcov(ajust)
a=ajust$var[2,2]*ajust$scale^2
b=ajust$var[1,2]*ajust$scale
matriz=matrix(c(ajust$var[1,1],b,b,a),ncol=2,nrow=2)
和
var(alpha) = matriz[2,2]
var(delta) = matriz[1,1]
cov(alpha,delta) = matriz[1,2] or matriz[2,1]
还有更多
alpha=coef[2]
delta=coef[1]
其中 coef 是一个变量,其中包含来自 survreg 调整的参数 alpha 和 delta。
所以,计算 MTTF:
mttf<-coef[2]*(gamma((1+(1/coef[1]))))
并计算 mttf 方差:
var_mttf=matriz[2,2]*(gamma(1+1/coef[1]))^2+
2*matriz[1,2]*((-coef[2]/(coef[1]^2))*gamma(1+1/coef[1])*digamma(1+1/coef[1]))+
matriz[1,1]*((-coef[2]/(coef[1]^2))*gamma(1+1/coef[1])*digamma(1+1/coef[1]))^2
但不幸的是,我的 mttf 方差与我从互联网论文中获取的任何示例都不匹配。我修改了太多次了...
整个代码是:
require(survival)
require(stats)
require(gnlm)
time<-c(0.22, 0.5, 0.88, 1.00, 1.32, 1.33, 1.54, 1.76, 2.50, 3.00, 3.00, 3.00, 3.00)
cens<-c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0)
#Weibull adjust with survreg
ajust<-survreg(Surv(time,cens)~1,dist='weibull')
alpha<-exp(ajust$coefficients[1])
beta<-1/ajust$scale
#Weibull coefficients
coef<-cbind(beta,alpha)
#MTTF
mttf<-coef[2]*(gamma((1+(1/coef[1]))))
#Data from variance-covariance matrix:
vcov(ajust)
a=ajust$var[2,2]*ajust$scale^2
b=ajust$var[1,2]*ajust$scale
matriz=matrix(c(ajust$var[1,1],b,b,a),ncol=2,nrow=2)
#MTTF variance - delta method
var_mttf=matriz[2,2]*(gamma(1+1/coef[1]))^2+
2*matriz[1,2]*((-coef[2]/(coef[1]^2))*gamma(1+1/coef[1])*digamma(1+1/coef[1]))+
matriz[1,1]*((-coef[2]/(coef[1]^2))*gamma(1+1/coef[1])*digamma(1+1/coef[1]))^2
#standard error - MTTF
se_mttf=sqrt(var_mttf)
#MTTF confidence intervall (95% confidence)
upper=mttf+1.960*sqrt(var_mttf)
lower=mttf-1.960*sqrt(var_mttf)
所以,从我获取这些数据的论文中得出的结果是:
MTTF standard error = 0.47
MTTF upper = 2.98
MTTF lower = 1.15
这与我的代码结果相差甚远。
但是纸上的 alpha、delta 和 MTTF 与我的代码具有相同的值:
alpha = 2.273151
delta = 1.417457
MTTF = 2.067864
拜托,我想和你们分享这个困难,他们在 R 方面比我更有经验。
问候,维尼修斯。
【问题讨论】:
【参考方案1】:我建议beta需要大于-1,但根据我自己的计算;贝塔 =2。
【讨论】:
虽然我计算出 beta 为 -4。因为它的 (delta) 系数与 beta vcov(ajust) alpha[2,1] delta[1,1] x^3-4/x^2+5 是向量 T-1 的潜在向量吗。 f(x,y)=x^3-4/x^2+5。设 f(x,y)=(1,1), y=x^3-4/x^2+5, y=2;从矩阵 var(-4)=matrix [1,2], var(x^2)=matrix[1,1], beta以上是关于R语言绘制生存曲线95%区间的主要内容,如果未能解决你的问题,请参考以下文章
R语言生存分析之组间生存曲线的对比: Log-Rank检验绘制漂亮的生存曲线
R语言使用aov函数进行单因素方差分析(One-way ANOVA)R语言使用gplots包中的plotmeans函数可用于生成组均值及其置信区间f的图(95%置信区间的治疗方法的曲线图)
R语言cox回归模型案例(绘制列线图校正曲线):放疗是否会延长胰脏癌手术患者的生存时间
R语言Kaplan-Meier绘制生存分析Log-rank假设检验Cox回归曲线实战案例:恶性黑色素瘤的术后数据生存分析
R语言生存分析之COX比例风险模型构建及列线图(nomogram)校准曲线(calibration curve)绘制示例