R'de hayatta kalma verileri için Wilcoxon imzalı bir sıralama testi nasıl yapılır?

9

Bunun gibi hayatta kalma verileriniz olduğunu varsayalım:

obs <- data.frame(
  time = c(floor(runif(100) * 30), floor((runif(100)^2) * 30)),
  status = c(rbinom(100, 1, 0.2), rbinom(100, 1, 0.7)),
  group = gl(2,100)
  )

Standart bir log rank testi yapmak için

survdiff(Surv(time, status) ~ group, data = obs, rho = 0)

sağ?

Peki ya diğer testler? Wilcoxon imzalı rütbe testi, Peto testi veya Fleming-Harrington testi nasıl yapabilirsiniz?

R, Wilcoxon testi yapmak için bir olasılık sağlar , ancak sansürü hesaba katmayı nasıl sağlayacağımı bulamadım.

Ayrıca doktor, ayarın rho = 1testi "Gehan-Wilcoxon testinin Peto & Peto modifikasyonu" haline getireceğini belirtmektedir . Ama bu Peto testi ile aynı mı?

r survival wilcoxon-signed-rank

— Marcel
kaynak

Hayatta kalma verilerimi bilmiyorum, ama google şöyle görünüyor: Wilcox Testi Ve survdiffayarlamak için belgeleri okumak rho=1bir Peto testi yapar ...

— Justin

Evet teşekkür ederim! bu benim de olduğum kadarıyla. Ancak, wilcox.testsansürü hesaba katmanın bir yolunu bulamadım . Bununla birlikte rho=1, doktorun "Gehan-Wilcoxon testinin Peto & Peto modifikasyonu" ifadesi ile belirtildiği gibi bunun bir Peto testi mi yoksa Wilcoxon testi mi olduğundan emin değilim. İndirmeye gerek yok.

— Marcel

7

(Muhtemelen, adlandırma kurallarınızın kaynağını belirtmeli ve bu sorunun neden sorulduğunu daha ayrıntılı olarak açıklamalısınız. Bu, SAS veya SPSS belgelerini eşleştirmeye çalışmak durumunda, kültürler arası zorluklar yaşayabiliriz.)

Bir "Peto testi" nasıl elde edeceğinize dair sorunuzun hızlı cevabı rho = 1 kullanmaktır, ancak bu bir tahmin olacaktır. Klein ve Moeschberger'in "Hayatta Kalma Analizi" bölümündeki bölüm 7'nin tek örnekli ve iki örnekli bölümlerine bakıldığında, Peto-Peto sürümünün ve Gehan sürümlerinin Mann-Whitney Wilcoxon'un iki örnekli (sansürlü) sürümlerini okuduk iki örnek testi ancak sağkalım fonksiyonu tahmin edicisinin farklı versiyonlarını kullanmıştır. Tek bir 'Fleming-Harrington testi' yoktur, çünkü bu terim log-rank derecesine ve Wilcoxon tipi testleri belirtilen değerlerde azaltan bir test ailesini ifade eder rho. (R / S surv.diffişlevi, 0'da sabitlenmiş Fleming-Harrington ailesinin q parametresine sahiptir ve yalnızca rho olarak adlandırdığı p parametresini değiştirir.)

Bir meta soru, matematiksel maddeye değil, isimlere odaklanmanız gerekip gerekmediğidir? Fleming-Harrington ailesinde p = rho = 0 (q sabit 0 olduğunda) seçimi, (OE) veya gruplar arası farklılıkları zaman aralıkları arasında eşit olarak ağırlığa sahipken, hem Gehan-Wilcoxon hem de Peto-Peto testleri erken ağırlığı daha güçlü ölümler. Benim düşüncem (bir doktor olarak), tipik farklılıklar için erken farkları göz önüne alan bir ağırlıklandırmanın mantıklı olması, ancak diğer seçeneğin savunulabileceği belirli örnekleri hayal edebileceğidir.

— DWin
kaynak

Açıklamanız için teşekkürler. İsimlendirme sözleşmelerim "Kleinbaum & Klein - Hayatta Kalma Analizi" nden geliyor (s. 63ff). Log Rank için w (t_j) = 1, Wilcoxon için w (t_j) = n_j, Tarone-Ware için w (t_j) = n ^ (1/2), Peto için w (t_j) = s (t_j), ve Flemington-Harrington için oldukça zor bir ifade. Gelecekte hangi ağırlıklara ihtiyacım olacağını bilmiyorum ama onlara ihtiyacım olmadan önce uygulayabildiğimden emin olmak istiyorum :) Ama bence cevabın bana bu problemde yardımcı olacak. Teşekkür ederim!

— Marcel

6

Bunu R'de nasıl hesaplayacağınızla ilgili sorunuzu cevaplamak için comp(), survMiscpaketten işlevi kullanabilirsiniz . Misal:

> library(survMisc)
> fit = survfit(Surv(time, status) ~ x, data = aml)
> comp(fit)$tests$lrTests
                              ChiSq df      p
Log-rank                       3.40  1 0.0653
Gehan-Breslow (mod~ Wilcoxon)  2.72  1 0.0989
Tarone-Ware                    2.98  1 0.0842
Peto-Peto                      2.71  1 0.0998
Mod~ Peto-Peto (Andersen)      2.64  1 0.1042
Flem~-Harr~ with p=1, q=1      1.45  1 0.2281

Fleming-Harrington testinin (son satırda gösterilen) parametrelerini seçmek için FHpve FHqargümanlarını kullanırsınız. Örneğin,

> comp(fit, FHp=0, FHq=0)$tests$lrTests
[…]
Flem~-Harr~ with p=0, q=0      3.40  1 0.0653

size normal log-rank testini verir (ilk örnekteki ilk satırda da gösterilir).

— Karl Ove Hufthammer
kaynak

1

Mevcut survMisc versiyonunda (0.5.4) olmalıcomp(ten(fit))

— Marcin Kosiński