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

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?

(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.

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).