作者mickey1231 (國父)
站內Statistics
標題[程式] R計算Kaplan–Meier
時間Mon Feb 18 17:48:04 2013
[軟體程式類別]:R
[程式問題]:存活分析、Kaplan–Meier
[軟體熟悉度]:
高(1年以上)
[問題]:
我在估計存活函數時，遇到某一個時間點的人數扣除死亡人數卻不會等
於下一個時間點的人數，資料中沒有censor都，只有死亡，請問我是哪裡做錯了?
[程式範例]:
我用summary(survfit(Surv(time,censor)~0)
跑出結果如下
time n.risk n.event survival .....
1.02 1842 1 0.999
1.03 1751 1 0.999
1.07 1586 1 0.998
1.07 1568 1 0.998
1.08 1528 1 0.997
1.08 1509 1 0.996
.
.
.
2.90 47 1 0.945
問題就是為什麼n.risk-n.event不會等於下一個n.risk?
謝謝大家的幫忙
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 120.126.32.233
1F：→ bmka:檢查一下censor這個variable, 看看是不是真的沒有censoring 02/18 21:50
2F：→ mickey1231:我有檢查過censoring了，就都是在n.evemt中出現 02/18 23:06
3F：→ mickey1231:還是沒有找到不見的人... 02/18 23:06
4F：→ bmka:那就怪了...沒有censoring,幹嘛用K-M 02/18 23:13
5F：→ mickey1231:因為有死亡的人，想看百分之五十的人可以活多久 02/18 23:58
6F：→ mickey1231:資料中除了死亡以外，全部的人都有活到研究結束時，沒 02/18 23:59
7F：→ mickey1231:有失去追蹤的人 02/19 00:00
8F：→ bmka:沒有censoring,KM就是empirical survival function 02/19 00:58
9F：→ bmka:幹嘛把分析變複雜 02/19 00:58
10F：→ bmka:還有,你的time zero 怎麼定義的?除非study period很短 02/19 00:59
11F：→ bmka:所有的人的initial event(eg. treatment initiation)同時發生 02/19 01:04
12F：→ bmka:否則沒有censoring狀況還蠻少見的 02/19 01:04
13F：推 lin15:應該不是同時收案吧 所以不見的應該就是 活到研究結束的人? 02/19 12:17
14F：→ mickey1231:對，很多人都是不同時間收案 02/23 11:31