survreg（Rのパッケージサバイバル）によって生成された生存曲線をプロットするにはどうすればよいですか？

Question

私はWeibullモデルを生存データに合わせてプロットしようとしています。データには、2006年から2010年にかけての共変量、コホートが1つしかありません。したがって、2010年のコホートの生存曲線をプロットするために、次の2行のコードに何を追加するかについてのアイデアはありますか？

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

Cox PHモデルで同じことを達成するのは簡単で、次のような行があります。問題は、survfit（）が型survivのオブジェクトを受け入れないことです。

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

データ肺（生存パッケージから）を使用して、私が達成しようとしているのはここです。

#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') 

Answer 1

・ホープ、このことができますし、私はいくつかの誤解を招くようなミスを犯していない：上からコピー

：

：ワイブル、使用する

#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') 

はヴィンセントからのコメント再予測

#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") 

プロットと予測の分位数の順序が逆転していました。これを行うより良い方法がありますが、ここで動作します。がんばろう！

Answer 2

代替オプションは、パッケージflexsurvを使用することです。これは、survivalパッケージにいくつかの追加機能を提供します - パラメトリック回帰関数flexsurvreg()には、あなたが求めるものを行う素敵なプロット方法が含まれています。

上記のように肺を使用する。

#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") 

あなたはtype引数を使用して累積ハザードやハザードスケールでプロットし、ci引数で信頼区間を追加することができます。

Answer 3

これは以下のコードを使用Tim Riffe's answerを明らかにするだけノートれる：予測（）メソッドのための変位値を与えているので

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") 

2鏡画像シーケンス、seq(.01,.99,by=.01)とseq(.99,.01,by=-.01)理由でありますイベント分布f（t）、すなわちf（t）の逆CDFの値であるが、生存曲線は1（CDFのf）対tをプロットしている。言い換えれば、p対predict（p）をプロットするとCDFが得られ、1-pとpredict（p）をプロットすると生存曲線（1-CDF）が得られます。次のコードは、より透明でp値の任意のベクトルに一般化されます：

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")