Question

我一直在尝试使用R（proc lifetest包和survival函数）在SAS中复制survifit的结果 - 尤其是计算中位生存时间的95％置信区间

我知道SAS正在使用以下公式来计算中位数的置信区间：

*abs(g(S(t))-g(1-0.5)/g'(S(t))σ(S(t)))<=1.96*

g'（x）是g（x）的一阶导数，σ（S（t））是生存曲线的标准误差，SAS中g的默认变换是g(x)=log(-log(x))

所以绝对内部的公式变为：

(log(-log(S(t)))-log(-log(0.5)))*S(t)*log(S(t))/σ(S(t))

以下是使用kidney包中的survival数据的示例：

fit1 = survfit(Surv(kidney$time,kidney$status)~kidney$sex, data=kidney)
print(fit1)
BCinds<-abs((log(-log(fit1$surv))-log(-log(0.5)))*fit1$surv*log(fit1$surv)/fit1$std.err)<=1.96

当我运行从print(fit1)获得的代码时：

                n events median 0.95LCL 0.95UCL
kidney$sex=1 20     18     22      12      63
kidney$sex=2 56     40    130      66     190

然而，当我通过BCinds计算它时，我得到一个非常不同且更宽的CI（9,154），性别= 1，性别= 2，CI是（39,511）。

sex=1 95%CI: (9, 154)  sex=2 95%CI: (39, 511)

SAS代码还为同一数据集的中位生存时间生成不同的置信区间：

    ods graphics on;
proc lifetest data=work.test
    plots=survival(nocensor cb=hw cl strata=panel);
    strata sex/group=sex;
    time time*status(0);
    run;
ods graphics off;

结果如下：

 sex=1: median=22 and 95%CI: (12, 30)
 sex=2: median=130 and 95%CI: (58,185)

为什么我会得到如此不同的结果？你也可以建议我如何自动化方法的最后一步？目前我是在视觉上做的，但我想把它放在一个循环中，所以我需要自动完成。

谢谢！

Answer 1

更新

所以＆＃34;随机＆＃34;在R代码中输入参数我设法解决了部分问题。

所以survfit使用上面给出的公式的对数变换来计算中值时间置信区间，这就是为什么R和SAS的间隔之间存在分歧（默认情况下使用log-log转换）

因此，通过在R代码中添加一个参数，我们可以强制R以与SAS相同的方式计算置信区间。因此，对于上面给出的示例，我们提供了kidney数据：

    `survfit(Surv(kidney$time,kidney$status)~kidney$sex, conf.type="log-log"
    + )
    Call: survfit(formula = Surv(kidney$time, kidney$status) ~ kidney$sex, 
        conf.type = "log-log")

              n events median 0.95LCL 0.95UCL
kidney$sex=1 20     18     22      12      30
kidney$sex=2 56     40    130      58     185`

我们可以从survfit获得的其他置信区间类型为：“log”, “log-log”, “plain”, “none”

我仍然无法弄清楚我用来获得置信区间的代码有什么问题所以如果有人知道它有什么问题我会很感激任何反馈。

Answer 2

我想这是因为fit1$std.err中的BCinds部分。在这里你应该符合S(t)的标准误差 - 但是fit1$std.err（根据survfit.object的R文档）给出了累积危险或-log的标准误差（生存）。请尝试使用summary(fit1)$std.err。

使用R survival package计算中位生存时间的proc lifetest 95％CI

2 个答案: