区间删失

机器算法验证 r 生存 sas 跳转 间隔审查
2022-03-29 16:02:50

我用 R、JMP 和 SAS 运行了区间审查生存曲线。他们都给了我相同的图表,但表格有所不同。这是 JMP 给我的表格。

Start Time  End Time    Survival    Failure SurvStdErr
.            14.0000      1.0000     0.0000     0.0000
16.0000      21.0000      0.5000     0.5000     0.2485
28.0000      36.0000      0.5000     0.5000     0.2188
40.0000      59.0000      0.2000     0.8000     0.2828
59.0000      91.0000      0.2000     0.8000     0.1340
94.0000     .             0.0000     1.0000     0.0000

这是 SAS 给我的表格:

Obs Lower Upper Probability Cum Probability Survival Prob Std.Error
1    14    16      0.5          0.5             0.5        0.1581
2    21    28      0.0          0.5             0.5        0.1581
3    36    40      0.3          0.8             0.2        0.1265
4    91    94      0.2          1.0             0.0        0.0

R 的输出较小。该图是相同的,输出是:

Interval (14,16] -> probability 0.5
Interval (36,40] -> probability 0.3
Interval (91,94] -> probability 0.2

我的问题是:

  1. 我不明白差异
  2. 我不知道如何解释结果...
  3. 我不明白该方法背后的逻辑。

如果你能帮助我,尤其是在翻译方面,那将是一个很大的帮助。我需要用几行总结结果,但不知道如何阅读表格。

我应该补充一点,不幸的是,样本只有 10 次观察事件发生的时间间隔。我不想使用有偏见的中点插补方法。但是我有两个区间 (2,16],第一个没活下来的人在分析中失败了 14,所以我不知道它是怎么做的。

图形:

在此处输入图像描述

1个回答

这里最重要的问题是对审查的理解以及哪种类型适用于您的情况。因此,对于您的问题 1. 和 3.,请了解您的问题的背景。这将帮助您定义适当的审查方法。

R 输出表示第一组故障在区间 (14,16] 内。这并不意味着故障发生在 14。这意味着 R 假设数据是右删失的,这是最常见的假设用于生存分析。为什么将失败引用为范围 (14,16] 而不是仅在 16 处的概率?这可能是由于置信限估计。

解释 R 结果,类似于 SAS:t=16 时的失败概率为 50%,t=40 时为 30%,t=94 时为 20%。

忘记尝试通过使用三个分析包来理解问题。选择一个,了解您可以为审查设置的选项,然后使用它。R的一个很好的链接:这里