생존 곡선 추정을 위한 와이블 모델

R로 배우는 생존 분석

Heidi Seibold

Statistician at LMU Munich

와이블 모델을 사용하는 이유

와이블 모델:

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

와이블 모델:

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

Kaplan-Meier 추정:

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

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

환자의 90%가 생존하는 시점:

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

       1 
384.9947

p = 1 - 0.9는 분포 함수가 생존 함수의 1에서 뺀 값이기 때문입니다.

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

생존 곡선:

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

R로 배우는 생존 분석