[程式] R計算Kaplan–Meier

看板Statistics作者 (國父)時間13年前 (2013/02/18 17:48), 編輯推噓1(1推 0噓 13→)
留言14則, 3人參與, 最新討論串1/1
[軟體程式類別]:R [程式問題]:存活分析、Kaplan–Meier [軟體熟悉度]: 高(1年以上) [問題]: 我在估計存活函數時，遇到某一個時間點的人數扣除死亡人數卻不會等 於下一個時間點的人數，資料中沒有censor都，只有死亡，請問我是哪裡做錯了? [程式範例]: 我用summary(survfit(Surv(time,censor)~0) 跑出結果如下 time n.risk n.event survival ..... 1.02 1842 1 0.999 1.03 1751 1 0.999 1.07 1586 1 0.998 1.07 1568 1 0.998 1.08 1528 1 0.997 1.08 1509 1 0.996 . . . 2.90 47 1 0.945 問題就是為什麼n.risk-n.event不會等於下一個n.risk? 謝謝大家的幫忙 -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 120.126.32.233
→
02/18 21:50, , 1F
檢查一下censor這個variable, 看看是不是真的沒有censoring
02/18 21:50, 1F
→
02/18 23:06, , 2F
我有檢查過censoring了，就都是在n.evemt中出現
02/18 23:06, 2F
→
02/18 23:06, , 3F
還是沒有找到不見的人...
02/18 23:06, 3F
→
02/18 23:13, , 4F
那就怪了...沒有censoring,幹嘛用K-M
02/18 23:13, 4F
→
02/18 23:58, , 5F
因為有死亡的人，想看百分之五十的人可以活多久
02/18 23:58, 5F
→
02/18 23:59, , 6F
資料中除了死亡以外，全部的人都有活到研究結束時，沒
02/18 23:59, 6F
→
02/19 00:00, , 7F
有失去追蹤的人
02/19 00:00, 7F
→
02/19 00:58, , 8F
沒有censoring,KM就是empirical survival function
02/19 00:58, 8F
→
02/19 00:58, , 9F
幹嘛把分析變複雜
02/19 00:58, 9F
→
02/19 00:59, , 10F
還有,你的time zero 怎麼定義的?除非study period很短
02/19 00:59, 10F
→
02/19 01:04, , 11F
所有的人的initial event(eg. treatment initiation)同時發生
02/19 01:04, 11F
→
02/19 01:04, , 12F
否則沒有censoring狀況還蠻少見的
02/19 01:04, 12F
推
02/19 12:17, , 13F
應該不是同時收案吧 所以不見的應該就是 活到研究結束的人?
02/19 12:17, 13F
→
02/23 11:31, , 14F
對，很多人都是不同時間收案
02/23 11:31, 14F
‣ 更多 mickey1231 的文章
文章代碼(AID): #1H8VZMQl (Statistics)