绘制Kaplan-Meier用于Cox回归

Question

我使用R中的以下代码建立了Cox比例风险模型,用于预测死亡率.协变量A,B和C的添加只是为了避免混淆(即年龄,性别,种族),但我们真的对预测X感兴趣.X是一个连续变量.

cox.model <- coxph(Surv(time, dead) ~ A + B + C + X, data = df)

现在,我正在为此绘制Kaplan-Meier曲线.我一直在寻找如何创造这个数字,但我没有太多运气.我不确定是否可以为Cox模型绘制Kaplan-Meier？Kaplan-Meier是否适合我的协变量或不需要它们？

我尝试过的是下面,但我被告知这是不对的.

plot(survfit(cox.model), xlab = 'Time (years)', ylab = 'Survival Probabilities')

我还试图绘制一个显示死亡累积危险的数字.我不知道我是否正确行事,因为我尝试了几种不同的方式并获得了不同的结果.理想情况下,我想绘制两条线,一条显示X的第75百分位的死亡风险,另一条显示X的第25百分位.我怎么能这样做？

我可以列出我尝试过的所有其他内容,但我不想混淆任何人!

非常感谢.

Answer 1

下面是取自例如本文.

url <- "http://socserv.mcmaster.ca/jfox/Books/Companion/data/Rossi.txt"
Rossi <- read.table(url, header=TRUE)
Rossi[1:5, 1:10]

#   week arrest fin age  race wexp         mar paro prio educ
# 1   20      1  no  27 black   no not married  yes    3    3
# 2   17      1  no  18 black   no not married  yes    8    4
# 3   25      1  no  19 other  yes not married  yes   13    3
# 4   52      0 yes  23 black  yes     married  yes    1    5
# 5   52      0  no  19 other  yes not married  yes    3    3

mod.allison <- coxph(Surv(week, arrest) ~ 
                        fin + age + race + wexp + mar + paro + prio,
                        data=Rossi)
mod.allison

# Call:
# coxph(formula = Surv(week, arrest) ~ fin + age + race + wexp + 
#    mar + paro + prio, data = Rossi)
#
#
#                   coef exp(coef) se(coef)      z      p
# finyes         -0.3794     0.684   0.1914 -1.983 0.0470
# age            -0.0574     0.944   0.0220 -2.611 0.0090
# raceother      -0.3139     0.731   0.3080 -1.019 0.3100 
# wexpyes        -0.1498     0.861   0.2122 -0.706 0.4800
# marnot married  0.4337     1.543   0.3819  1.136 0.2600
# paroyes        -0.0849     0.919   0.1958 -0.434 0.6600
# prio            0.0915     1.096   0.0286  3.194 0.0014
#
# Likelihood ratio test=33.3  on 7 df, p=2.36e-05  n= 432, number of events= 114    

请注意,该模型用于fin, age, race, wexp, mar, paro, prio预测arrest.如本文件中所述,该survfit()函数使用Kaplan-Meier估计存活率.

plot(survfit(mod.allison), ylim=c(0.7, 1), xlab="Weeks",
     ylab="Proportion Not Rearrested")

我们得到了一个生存率的图(置信区间为95%).对于您可以做的累积危险率

# plot(survfit(mod.allison)$cumhaz)

但这并没有给出置信区间.但是,不用担心!我们知道H(t)= -ln(S(t))并且我们对S(t)有置信区间.我们所需要做的就是

sfit <- survfit(mod.allison)
cumhaz.upper <- -log(sfit$upper)
cumhaz.lower <- -log(sfit$lower)
cumhaz <- sfit$cumhaz # same as -log(sfit$surv)

然后只是绘制这些

plot(cumhaz, xlab="weeks ahead", ylab="cumulative hazard",
     ylim=c(min(cumhaz.lower), max(cumhaz.upper)))
lines(cumhaz.lower)
lines(cumhaz.upper)

您需要使用survfit(..., conf.int=0.50)75%和25%而不是97.5%和2.5%的乐队.