Visualizzare modelli di Weibull

Analisi di sopravvivenza in R

Heidi Seibold

Statistician at LMU Munich

Passi per creare la visualizzazione

Stima il modello di Weibull
Definisci "pazienti immaginari"
Calcola le curve di sopravvivenza
Crea un data.frame con le curve
Grafica

Passo 1 e 2

Stima il modello di Weibull

wbmod <- survreg(Surv(time, cens) ~ horTh + tsize, data = GBSG2)

Scegli le combinazioni di covariate ("pazienti immaginari")

newdat <- expand.grid(
  horTh = levels(GBSG2$horTh),
  tsize = quantile(GBSG2$tsize, probs = c(0.25, 0.5, 0.75))  )
newdat

#>   horTh tsize
#> 1    no    20
#> 2   yes    20
#> 3    no    25
...

Passo 3

Calcola le curve di sopravvivenza

surv <- seq(.99, .01, by = -.01)
t <- predict(wbmod, type = "quantile", p = 1 - surv, newdata = newdat) 

dim(t)
t[, 1:7]

6 99

         [,1]      [,2]     [,3]     [,4]     [,5]     [,6]     [,7]
[1,] 65.86524 112.54061 154.2116 193.0603 230.0268 265.6298 300.1952
[2,] 89.96016 153.71037 210.6256 263.6858 314.1755 362.8029 410.0131
[3,] 61.97352 105.89102 145.0999 181.6531 216.4354 249.9348 282.4579
[4,] 84.64477 144.62823 198.1805 248.1057 295.6121 341.3663 385.7870
[5,] 54.86634  93.74733 128.4597 160.8209 191.6144 221.2720 250.0653
[6,] 74.93762 128.04211 175.4530 219.6526 261.7110 302.2180 341.5445

Passo 4

Crea un data.frame con le curve di sopravvivenza

surv_wbmod_wide <- cbind(newdat, t)

library("reshape2")
surv_wbmod <- melt(surv_wbmod_wide, id.vars = c("horTh", "tsize"), 
   variable.name = "surv_id",  value.name = "time")

surv_wbmod$surv <- surv[as.numeric(surv_wbmod$surv_id)]

surv_wbmod[, c("upper", "lower", "std.err", "strata")] <- NA

Passo 4

str(surv_wbmod)

'data.frame':    594 obs. of  9 variables:
  $ horTh  : Factor w/ 2 levels "no","yes": 1 2 1 2 1 2 1 2 1 2 ...
  $ tsize  : num  20 20 25 25 35 35 20 20 25 25 ...
  $ surv_id: Factor w/ 99 levels "1","2","3","4",..: 1 1 1 1 1 1 2 2 2 2 ...
  $ time   : num  65.9 90 62 84.6 54.9 ...
  $ surv   : num  0.99 0.99 0.99 0.99 0.99 0.99 0.98 0.98 0.98 0.98 ...
  $ strata : logi  NA NA NA NA NA NA ...
  $ std.err: logi  NA NA NA NA NA NA ...
  $ lower  : logi  NA NA NA NA NA NA ...
  $ upper  : logi  NA NA NA NA NA NA ...

Se è stato troppo veloce...

library("reshape2")
surv_wbmod <- melt(surv_wbmod_wide, id.vars = names(newdat), 
   variable.name = "surv_id",  value.name = "time")

?melt

Passo 5

Grafica

ggsurvplot_df(surv_wbmod, surv.geom = geom_line,
  linetype = "horTh", color = "tsize", legend.title = NULL)

Puoi farlo anche tu! Serve solo pratica.

Analisi di sopravvivenza in R