我正在使用survival
软件包中的survplot函数。具有置信区间的生存图很好地生成,但是现在我面临着将图转换为累积入射曲线的问题。曲线本身可以正确生成,但是使用conf = "bars"
函数时,置信区间将保留在生存设置中。 "bands"
和"diffbands"
正常工作。
我给你举个简单的例子:
library(survival)
library(rms)
Data <- data.frame("time" = sample(1:500), "death" = sample(c(TRUE, FALSE), 500, replace = TRUE))
Data$SurvObj <- with(Data, Surv(Data$time, Data$death == 1))
km.as.one <- npsurv(SurvObj ~ 1, data = Data, conf.type = "log-log")
问题出在这里
survplot(km.as.one, fun=function(y) 1 - y, conf = "bars")
但是,它们可以正常工作:
survplot(km.as.one, conf = "bars")
survplot(km.as.one, fun=function(y) 1 - y, conf = "bands")
有没有可能解决此问题的方法?我猜想ggplot2
软件包可以正确地做到这一点,但是我已经使用survival
软件包生成了许多生存图,因此现在更改软件包将导致很多额外的工作。>
答案 0 :(得分:1)
我知道您说过使用ggplot2
包可能不是最好的选择,但它确实会以最少的额外编码产生答案:
library(survival)
library(rms)
library(broom)
library(dplyr)
set.seed(123)
Data <- data.frame("time" = sample(1:500), "death" = sample(c(FALSE, TRUE), 500, replace = TRUE))
Data$SurvObj <- with(Data, Surv(time, death == 1))
km.as.one <- npsurv(SurvObj ~ 1, data = Data, conf.type = "log-log")
survplot(km.as.one, fun=function(y) 1 - y, conf = "bars")
tidydf <- tidy(km.as.one) %>%
mutate(estimate = 1- estimate,
#invert estimates
conf.low = 1- conf.low,
conf.high = 1- conf.high,
#get points and CIs at specific timepoints
pointest = ifelse(row_number()%%50 != 0, NA,estimate),
confestlow = ifelse(row_number()%%50 != 0, NA,conf.high),
confesthigh = ifelse(row_number()%%50 != 0, NA,conf.low))
#plot
ggplot(tidydf)+
geom_line(aes(x=time, y = estimate,group = 1))+
geom_point(aes(x=time, y = pointest))+
geom_errorbar(aes(x=time, ymin = confestlow, ymax = confesthigh))
答案 1 :(得分:0)
如果您厌倦了等待mods到rms才能进入CRAN,则可以考虑以下相反的值:
fun
嘿,刚刚注意到(0,1)处的“点”。
如果不是使用对象中的三个向量,而是使用survplot(km.as.one, fun=function(y) 1-y, conf = "bars")
参数:
getAnywhere(survplot.npsurv)
...人们发现直线已经变形,但是点和误差线却没有。如果您修改代码:
fun
....并复制到代码编辑器,然后将 surv.plot.npsurv <- <- function (fit, xlim, ylim, xlab, ylab, time.inc, state = NULL,
# lines 2-289 of original code suppressed
ss <- fun(v$surv[j]) # lines 290-292 when doing this in Rstudio's code editor.
lower <- fun(v$lower[j])
upper <- fun(v$upper[j])
# rest of original code
}
的值应用于该较长函数的主体末端附近的点和错误条:
sed