จะทำการทดสอบ Wilcoxon ได้รับการจัดอันดับสำหรับข้อมูลการอยู่รอดใน R ได้อย่างไร?

สมมติว่าคุณมีข้อมูลการอยู่รอดเช่นนี้:

obs <- data.frame(
  time = c(floor(runif(100) * 30), floor((runif(100)^2) * 30)),
  status = c(rbinom(100, 1, 0.2), rbinom(100, 1, 0.7)),
  group = gl(2,100)
  )

ในการทำการทดสอบการจัดอันดับบันทึกมาตรฐานหนึ่งสามารถใช้

survdiff(Surv(time, status) ~ group, data = obs, rho = 0)

ขวา?

แต่แล้วการทดสอบอื่น ๆ ล่ะ? คุณจะทำการทดสอบระดับเซ็นชื่อของวิลคอกซัน, การทดสอบเปโตหรือการทดสอบเฟลมิง - แฮร์ริงตันได้อย่างไร

R มีความเป็นไปได้ที่จะทำการทดสอบ Wilcoxonแต่ฉันไม่พบวิธีที่จะให้การตรวจสอบมีการพิจารณา

นอกจากนี้หมอระบุว่าการตั้งค่าrho = 1จะทำให้การทดสอบ "การเปลี่ยนแปลง Peto & Peto ของการทดสอบ Gehan-Wilcoxon" แต่นี่เป็นสิ่งเดียวกับการทดสอบ Peto หรือไม่

(คุณอาจอ้างอิงแหล่งข้อมูลสำหรับแบบแผนการตั้งชื่อของคุณและอธิบายรายละเอียดเพิ่มเติมว่าทำไมคำถามนี้ถึงเกิดขึ้นหากกรณีนี้พยายามจับคู่เอกสารสำหรับ SAS หรือ SPSS เราอาจมีปัญหาข้ามวัฒนธรรม)

คำตอบอย่างรวดเร็วสำหรับคำถามเฉพาะของคุณเกี่ยวกับวิธีรับ "การทดสอบ Peto" คือการใช้ rho = 1 แต่จะเป็นการประมาณ อ้างอิงถึงส่วนหนึ่งตัวอย่างและสองตัวอย่างของบทที่ 7 ใน "การวิเคราะห์การอยู่รอด" ของ Klein และ Moeschberger เราอ่านว่ารุ่น Peto-Peto และรุ่น Gehan เป็นทั้งสองตัวอย่าง (ตรวจสอบ) ของ Mann-Whitney Wilcoxon การทดสอบสองตัวอย่าง แต่ใช้การประมาณค่าฟังก์ชันการเอาตัวรอดรุ่นต่าง ๆ ไม่มีเดียว 'เฟลมมิ่งแฮร์ริงการทดสอบคือตั้งแต่คำที่หมายถึงครอบครัวของการทดสอบซึ่งลดการเข้าสู่ระบบการจัดอันดับและการทดสอบ Wilcoxon rhoชนิดที่ค่าที่ระบุของ ( surv.diffฟังก์ชั่นR / S มีพารามิเตอร์ q ของตระกูลเฟลมิง - แฮร์ริงตันได้รับการแก้ไขที่ 0 และเปลี่ยนแปลงพารามิเตอร์ p-ซึ่งมันตั้งชื่อ rho เท่านั้น)

คำถามเกี่ยวกับเมตาคือว่าคุณควรมุ่งความสนใจไปที่ชื่อและไม่สนใจเนื้อหาทางคณิตศาสตร์หรือไม่? การเลือก p = rho = 0 (โดยที่ q คงที่ 0) ในตระกูลเฟลมิง - แฮร์ริงตันน้ำหนัก (OE) หรือความแตกต่างระหว่างกลุ่มเท่า ๆ กันในช่วงเวลาในขณะที่ทั้ง Gehan-Wilcoxon และ Peto-Peto ทดสอบน้ำหนักก่อน ตายอย่างรุนแรงยิ่งขึ้น ความเห็นของฉัน (ในฐานะแพทย์) คือการมีน้ำหนักที่จะพิจารณาความแตกต่างในช่วงต้นของการพิจารณาคดีทั่วไป แต่สามารถจินตนาการถึงกรณีเฉพาะที่ตัวเลือกอื่น ๆ จะได้รับการปกป้อง

เพื่อตอบคำถามของคุณเกี่ยวกับวิธีการคำนวณใน R คุณสามารถใช้comp()ฟังก์ชั่นจากsurvMiscแพ็คเกจ ตัวอย่าง:

> library(survMisc)
> fit = survfit(Surv(time, status) ~ x, data = aml)
> comp(fit)$tests$lrTests
                              ChiSq df      p
Log-rank                       3.40  1 0.0653
Gehan-Breslow (mod~ Wilcoxon)  2.72  1 0.0989
Tarone-Ware                    2.98  1 0.0842
Peto-Peto                      2.71  1 0.0998
Mod~ Peto-Peto (Andersen)      2.64  1 0.1042
Flem~-Harr~ with p=1, q=1      1.45  1 0.2281

ในการเลือกพารามิเตอร์สำหรับการทดสอบ Fleming-Harrington (แสดงในบรรทัดสุดท้าย) คุณใช้FHpและFHqอาร์กิวเมนต์ ตัวอย่างเช่น,

> comp(fit, FHp=0, FHq=0)$tests$lrTests
[…]
Flem~-Harr~ with p=0, q=0      3.40  1 0.0653

ให้การทดสอบระดับล็อกตามปกติ (แสดงในบรรทัดแรกในตัวอย่างแรก)