Question

我是R的新手。目前我正在为一些生存数据拟合对数正态分布，但是在尝试计算中位数和均值等统计数据时我已经陷入困境。这是我到目前为止使用的代码，任何人都可以告诉我接下来应该键入什么来找到它的意思吗？

# rm(list=ls(all=TRUE))
library(survival)
data<-read.table("M:\\w2k\\Diss\\Hoyle And Henley True IPD with number at risk known.txt",header=T)
attach(data)
data
times_start <-c(  rep(start_time_censor, n_censors), rep(start_time_event, n_events) )
times_end <-c(  rep(end_time_censor, n_censors), rep(end_time_event, n_events)  )
model <- survreg(Surv(times_start, times_end, type="interval2")~1, dist="lognormal")
intercept <- summary(model)$table[1]   
log_scale <- summary(model)$table[2]

这是我卡住的地方，我试过了：

meantime<-exp(intercept+log_scale/2)

但这似乎没有给出一个现实的意思。

Answer 1

寻找有效例子的地方是?predict.survreg。（通常，对predict方法使用帮助系统是任何回归方法的有效策略。）

运行最后一个示例应该为您提供足够的基础来继续。特别是你应该看到回归系数不是生存时间或分位数的估计值。

lfit <- survreg(Surv(time, status) ~ ph.ecog, data=lung)
pct <- 1:98/100   # The 100th percentile of predicted survival is at +infinity
ptime <- predict(lfit, newdata=data.frame(ph.ecog=2), type='quantile',
                 p=pct, se=TRUE)
matplot(cbind(ptime$fit, ptime$fit + 2*ptime$se.fit,
                          ptime$fit - 2*ptime$se.fit)/30.5, 1-pct,
         xlab="Months", ylab="Survival", type='l', lty=c(1,2,2), col=1)
 # The plot should be examined since you asked for a median survival time
 abline(h= 0.5)
 # You can  drop a vertical from the intersection to get that graphically

....或......

 str(ptime)
List of 2
 $ fit   : num [1:98] 9.77 16.35 22.13 27.46 32.49 ...
 $ se.fit: num [1:98] 2.39 3.53 4.42 5.16 5.82 ...

您可以通过以下方式从生存时间序列中提取第50个百分位数：

 ptime$fit[which((1-pct)==0.5)]
# [1] 221.6023

以天为单位测量，这是为什么Therneau除以30.5显示月份

在R中求出生存分析中对数正态分布的均值

1 个答案: