代码之家 › 专栏 › 技术社区 › Leonard Michalon

Kaplan-Meier曲线下一段时间间隔的面积

survival-analysis r

Leonard Michalon · 技术社区 · 7 年前

我想计算一段时间内Kaplan-Meier曲线下的面积。我知道我可以计算从0到t的曲线下的面积,也就是限制平均生存时间 print.survfit 功能:

library(survival)
km <- survfit(Surv(futime, fustat) ~ 1, data = ovarian)
print(km, rmean = 600)

但是,我想要的是一段时间间隔内卡普兰-迈耶曲线下的面积,例如从t1到t2。有没有办法左截断卡普兰-迈耶曲线下面积的计算? 欢迎提出任何建议!

3 回复 | 直到 7 年前

IRTFM 6 年前

生存曲线“周围”的方差非常类似于二项过程中比例的方差。在您的情况下,您显然能够计算t1之前数据的方差。因此,截断t1处的数据,然后计算t2的方差。

就像@Oka,我想知道你为什么想要AUC,但后来我意识到AUC只是一条完整的公里曲线的“预期寿命”,单位是“年”或其他时间单位。

 str(ovarian)
'data.frame':   26 obs. of  6 variables:
 $ futime  : num  59 115 156 421 431 448 464 475 477 563 ...
 $ fustat  : num  1 1 1 0 1 0 1 1 0 1 ...
 $ age     : num  72.3 74.5 66.5 53.4 50.3 ...
 $ resid.ds: num  2 2 2 2 2 1 2 2 2 1 ...
 $ rx      : num  1 1 1 2 1 1 2 2 1 2 ...
 $ ecog.ps : num  1 1 2 1 1 2 2 2 1 2 ...
 t1 = 400;  t2 = 700

 km <- survfit(Surv(futime, fustat) ~ 1, data = ovarian)
 print(km, rmean = 400)
 #---------------
Call: survfit(formula = Surv(futime, fustat) ~ 1, data = ovarian)

         n     events     *rmean *se(rmean)     median    0.95LCL    0.95UCL 
      26.0       12.0      355.6       18.5      638.0      464.0         NA 
    * restricted mean with upper limit =  400 


 km2 <- survfit(Surv(futime, fustat) ~ 1, 
                 data = ovarian[ !(ovarian$futime <=400), ])
 print(km2, rmean = 700)
#-----------------
Call: survfit(formula = Surv(futime, fustat) ~ 1, data = ovarian)

         n     events     *rmean *se(rmean)     median    0.95LCL    0.95UCL 
      26.0       12.0      532.2       41.1      638.0      464.0         NA 
    * restricted mean with upper limit =  700

Oka 6 年前

所以你知道如何 AUC(0-t1) 和 AUC(0-t2) . 正如@missuse在评论中指出的那样, AUC(t1-t2) = AUC(0-t2) - AUC(0-t1) .

我不确定你是否能得到方差因为从技术上讲,你有一条线和线下的一个区域(AUC)。你能做的是

( 1. )绘制Kaplan-Myer 95%可信区间图

( 2. )计算 AUC(t1-t2) 对于上CI

( 3. )计算 AUC(t1-t2) 对于较低CI

( 4. )以与表示正常95%置信区间相同的方式将结果表示为范围。

这样行吗?还有:为什么要使用公里曲线下的面积?因为,正如@42-所指出的,你将以一些时间单位达到“预期寿命”,你不需要公里数就能到达那里(?)

Leonard Michalon 6 年前

实际上,由于 surv2sample 的 surv2sampleComp 包裹它通过重新采样来实现。

library("survival")
library("surv2sampleComp")
data(veteran)
# we need a group variable to use the surv2sample function
veteran$group <- as.numeric(veteran$karno < 70) 
rmst <- surv2sample(veteran$time, veteran$status, veteran$group, npert = 500, tau_start= 100, tau = 200)
rmst$group0
#---------------
                             Est.       Lower 95%   Upper 95%          SE
RMST                       43.4025761  32.1207404  55.8039197  6.15988181
# results truncated