R语言绘制生存曲线95%区间

Posted 2023-05-03

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。

【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