स्मूद सर्वाइवल कर्व्स का अनुमान लगाने के लिए Weibull मॉडल

R में Survival Analysis

Heidi Seibold

Statistician at LMU Munich

Weibull मॉडल क्यों उपयोग करें?

Weibull मॉडल:

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

Weibull मॉडल:

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

Kaplan-Meier अनुमान:

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

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

मरीजों के 90 प्रतिशत इस समय-बिंदु के बाद जीवित रहते हैं:

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

       1 
384.9947

p = 1 - 0.9 क्योंकि distribution function = 1 - survival function होता है।

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

सर्वाइवल कर्व:

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

R में Survival Analysis