Использовать объект Surv в ggplot или решетке

Кто-нибудь знает, как использовать ggplot или решетку для анализа выживания? Было бы неплохо сделать решетчатые или фасеточные графики выживания.

Так что, в конце концов, я поиграл и вроде как нашел решение для сюжета Каплана-Мейера. Я извиняюсь за беспорядочный код при переносе элементов списка в фрейм данных, но я не мог найти другого способа.

Примечание. Это работает только с двумя уровнями слоев. Если кто-нибудь знает, как я могу использовать x<-length(stratum) для этого, пожалуйста, дайте мне знать (в Stata я мог бы добавить к макросу - не знаю, как это работает в R).

ggkm<-function(time,event,stratum) {

    m2s<-Surv(time,as.numeric(event))

    fit <- survfit(m2s ~ stratum)

    f$time <- fit$time

    f$surv <- fit$surv

    f$strata <- c(rep(names(fit$strata[1]),fit$strata[1]),
            rep(names(fit$strata[2]),fit$strata[2])) 

    f$upper <- fit$upper

    f$lower <- fit$lower

    r <- ggplot (f, aes(x=time, y=surv, fill=strata, group=strata))
        +geom_line()+geom_ribbon(aes(ymin=lower,ymax=upper),alpha=0.3)

    return(r)
}

r graph analysis ggplot2 lattice
person Misha    schedule 01.06.2010    source источник
comment
Рамон Сакчилотто написал учебник по ggplot2, который включает функции для графиков КМ в ggplot2: ceb-institute.org/bbs/wp-content/uploads/2011/09/   -  person MattBagg    schedule 31.12.2012

Ответы (2)


arrow_upward
4
arrow_downward

Я использовал следующий код в lattice. Первая функция рисует кривые КМ для одной группы и обычно используется как функция panel.group, а вторая добавляет p-значение теста логарифмического ранга для всей панели:

 km.panel <- function(x,y,type,mark.time=T,...){
     na.part <- is.na(x)|is.na(y)
     x <- x[!na.part]
     y <- y[!na.part]
     if (length(x)==0) return()
     fit <- survfit(Surv(x,y)~1)
     if (mark.time){
       cens <- which(fit$time %in% x[y==0])
       panel.xyplot(fit$time[cens], fit$surv[cens], type="p",...)
      }
     panel.xyplot(c(0,fit$time), c(1,fit$surv),type="s",...)
}

logrank.panel <- function(x,y,subscripts,groups,...){
    lr <-  survdiff(Surv(x,y)~groups[subscripts])
    otmp <- lr$obs
    etmp <- lr$exp
    df <- (sum(1 * (etmp > 0))) - 1
    p <- 1 - pchisq(lr$chisq, df)
    p.text <- paste("p=", signif(p, 2))
    grid.text(p.text, 0.95, 0.05, just=c("right","bottom"))
    panel.superpose(x=x,y=y,subscripts=subscripts,groups=groups,...)
}

Индикатор цензуры должен быть 0-1, чтобы этот код работал. Использование будет выглядеть следующим образом:

library(survival)
library(lattice)
library(grid)
data(colon)  #built-in example data set
xyplot(status~time, data=colon, groups=rx, panel.groups=km.panel, panel=logrank.panel)

Если вы просто используете «panel=panel.superpose», вы не получите p-значение.

person Aniko    schedule 11.06.2010

arrow_upward
1
arrow_downward

Я начал с почти точного подхода, который вы используете в своем обновленном ответе. Но что раздражает в survfit, так это то, что он отмечает только изменения, а не каждый тик - например, он даст вам 0 - 100%, 3 - 88% вместо 0 - 100%, 1 - 100%, 2 - 100 %, 3 - 88%. Если вы загрузите это в ggplot, ваши линии будут наклоняться от 0 до 3, а не оставаться плоскими и опускаться прямо на 3. Это может быть хорошо в зависимости от вашего приложения и предположений, но это не классический график КМ. Вот как я обрабатывал различное количество слоев:

groupvec <- c()
for(i in seq_along(x$strata)){
    groupvec <- append(groupvec, rep(x = names(x$strata[i]), times = x$strata[i]))
}
f$strata <- groupvec

Как бы то ни было, вот как я это сделал, но на самом деле это не график КМ, потому что я не вычисляю оценку КМ как таковую (хотя у меня нет цензуры, так что это эквивалентно. .. Я верю).

survcurv <- function(surv.time, group = NA) {
    #Must be able to coerce surv.time and group to vectors
    if(!is.vector(as.vector(surv.time)) | !is.vector(as.vector(group))) {stop("surv.time and group must be coercible to vectors.")}

    #Make sure that the surv.time is numeric
    if(!is.numeric(surv.time)) {stop("Survival times must be numeric.")}

    #Group can be just about anything, but must be the same length as surv.time
    if(length(surv.time) != length(group)) {stop("The vectors passed to the surv.time and group arguments must be of equal length.")}

    #What is the maximum number of ticks recorded?
    max.time <- max(surv.time)  

    #What is the number of groups in the data?
    n.groups <- length(unique(group))

    #Use the number of ticks (plus one for t = 0) times the number of groups to
    #create an empty skeleton of the results.
    curves <- data.frame(tick = rep(0:max.time, n.groups), group = NA, surv.prop = NA)

    #Add the group names - R will reuse the vector so that equal numbers of rows
    #are labeled with each group.
    curves$group <- unique(group)

    #For each row, calculate the number of survivors in group[i] at tick[i]
    for(i in seq_len(nrow(curves))){
      curves$surv.prop[i] <- sum(surv.time[group %in% curves$group[i]] > curves$tick[i]) /
          length(surv.time[group %in% curves$group[i]])
    }

  #Return the results, ordered by group and tick - easier for humans to read.
  return(curves[order(curves$group, curves$tick), ])   

}
person Matt Parker    schedule 07.07.2010