Bagaimana cara melakukan uji peringkat bertanda Wilcoxon untuk data kelangsungan hidup di R?

9

Katakanlah Anda memiliki data kelangsungan hidup seperti ini:

obs <- data.frame(
  time = c(floor(runif(100) * 30), floor((runif(100)^2) * 30)),
  status = c(rbinom(100, 1, 0.2), rbinom(100, 1, 0.7)),
  group = gl(2,100)
  )

Untuk melakukan tes peringkat log standar, seseorang dapat menggunakan

survdiff(Surv(time, status) ~ group, data = obs, rho = 0)

Baik?

Tapi bagaimana dengan tes lain? Bagaimana Anda bisa melakukan tes peringkat yang ditandatangani Wilcoxon, tes Peto atau tes Fleming-Harrington?

R memberikan kemungkinan untuk melakukan tes Wilcoxon , namun saya tidak menemukan cara untuk membiarkannya memperhitungkan sensor.

Lebih lanjut, dokumen tersebut menyatakan bahwa pengaturan rho = 1akan menjadikan tes ini sebagai "modifikasi Peto & Peto dari tes Gehan-Wilcoxon". Tetapi apakah ini sama dengan tes Peto?

Marcel
sumber
Saya tidak tahu data kelangsungan hidup saya, tetapi google tampaknya: Uji Wilcox Dan membaca dokumen untuk survdiffpengaturan rho=1menjadikannya tes Peto ...
Justin
ya terima kasih! ini sejauh yang saya dapatkan juga. Namun, saya tidak menemukan cara untuk membiarkan wilcox.testsensor memperhitungkan. Dengan rho=1saya tidak yakin apakah ini tes Peto atau tes Wilcoxon, seperti yang dinyatakan oleh dokumen "Peto & Peto modifikasi dari tes Gehan-Wilcoxon". Tidak perlu downvote.
Marcel

Jawaban:

7

(Anda mungkin harus mengutip sumber untuk konvensi penamaan Anda dan menjelaskan secara lebih rinci mengapa pertanyaan ini diajukan. Jika ini kasus yang mencoba mencocokkan dokumentasi untuk SAS atau SPSS, kami mungkin mengalami kesulitan lintas budaya.)

Jawaban cepat untuk pertanyaan spesifik Anda tentang cara mendapatkan "uji Peto" adalah dengan menggunakan rho = 1, tetapi itu akan menjadi perkiraan. Mengacu pada bagian satu sampel dan dua sampel dari bab 7 dalam "Analisis Kelangsungan Hidup" Klein dan Moeschberger, kita membaca bahwa versi Peto-Peto dan versi Gehan keduanya versi dua sampel (disensor) dari Mann-Whitney Wilcoxon uji dua sampel tetapi menggunakan versi yang berbeda dari estimator fungsi survival. Tidak ada 'Tes Fleming-Harrington' tunggal karena istilah itu mengacu pada keluarga tes yang mengurangi ke log-rank dan tes tipe Wilcoxon pada nilai yang ditentukan rho. (Fungsi R / S surv.diffmemiliki parameter-q dari keluarga Fleming-Harrington yang tetap pada 0 dan hanya memvariasikan parameter-p yang dinamai rho.)

Sebuah pertanyaan meta adalah apakah Anda harus fokus pada nama dan bukan pada substansi matematika? Memilih p = rho = 0 (dengan q tetap pada 0) dalam keluarga Fleming-Harrington menimbang (OE) atau perbedaan lintas kelompok secara merata pada rentang waktu, sedangkan Gehan-Wilcoxon dan Peto-Peto menguji bobot awal kematian lebih kuat. Pendapat saya (sebagai dokter) adalah masuk akal untuk mempertimbangkan perbedaan awal yang lebih mungkin untuk kasus tipikal, tetapi dapat membayangkan contoh spesifik di mana pilihan lain dapat dipertahankan.

DWIN
sumber
Terima kasih atas penjelasan Anda. Konvensi penamaan saya berasal dari "Kleinbaum & Klein - Survival Analysis" (p. 63ff). Mereka mendefinisikan w (t_j) = 1 untuk Log Rank, w (t_j) = n_j untuk Wilcoxon, w (t_j) = n ^ (1/2) untuk Tarone-Ware, w (t_j) = s (t_j) untuk Peto, dan ungkapan yang agak sulit untuk Flemington-Harrington. Saya tidak tahu bobot mana yang akan saya butuhkan di masa depan tetapi saya ingin memastikan bahwa saya bisa menerapkannya sebelum saya membutuhkannya :) Tapi saya pikir jawaban Anda akan membantu saya dengan masalah ini. Terima kasih!
Marcel
5

Untuk menjawab pertanyaan Anda tentang cara menghitung ini di R, Anda dapat menggunakan comp()fungsi dari survMiscpaket. Contoh:

> library(survMisc)
> fit = survfit(Surv(time, status) ~ x, data = aml)
> comp(fit)$tests$lrTests
                              ChiSq df      p
Log-rank                       3.40  1 0.0653
Gehan-Breslow (mod~ Wilcoxon)  2.72  1 0.0989
Tarone-Ware                    2.98  1 0.0842
Peto-Peto                      2.71  1 0.0998
Mod~ Peto-Peto (Andersen)      2.64  1 0.1042
Flem~-Harr~ with p=1, q=1      1.45  1 0.2281

Untuk memilih parameter untuk tes Fleming-Harrington (diperlihatkan di baris terakhir), Anda menggunakan argumen FHpdan FHq. Sebagai contoh,

> comp(fit, FHp=0, FHq=0)$tests$lrTests
[…]
Flem~-Harr~ with p=0, q=0      3.40  1 0.0653

memberi Anda tes log-rank normal (juga ditampilkan di baris pertama pada contoh pertama).

Karl Ove Hufthammer
sumber
1
Dalam versi survMisc saat ini (0.5.4) seharusnyacomp(ten(fit))
Marcin Kosiński