Het Weibull-model voor vloeiende survivalcurves schatten

Survivalanalyse in R

Heidi Seibold

Statistician at LMU Munich

Waarom een Weibull-model gebruiken?

Weibull-model:

wb <- survreg(Surv(time, event) ~ 1, data)

Weibull-model:

wb <- survreg(Surv(time, event) ~ 1, data)

Kaplan-Meier-schatting:

km <- survfit(Surv(time, event) ~ 1, data)

wb <- survreg(Surv(time, cens) ~ 1, data = GBSG2)

90 procent van de patiënten overleeft na tijdstip:

predict(wb, type = "quantile", p = 1 - 0.9, newdata = data.frame(1))

       1 
384.9947

p = 1 - 0.9 omdat de verdelingsfunctie 1 min de survivalfunctie is.

wb <- survreg(Surv(time, cens) ~ 1, data = GBSG2)

Survivalcurve:

surv <- seq(.99, .01, by = -.01)

t <- predict(wb, type = "quantile", p = 1 - surv, newdata = data.frame(1))
head(data.frame(time = t, surv = surv))

       time surv
 1  60.6560 0.99
 2 105.0392 0.98
 3 145.0723 0.97
 4 182.6430 0.96
 5 218.5715 0.95
 6 253.3125 0.94

Survivalanalyse in R