r - 如何解决 R 中生存函数 95% 置信区间的差异

Question

我正在编写一些函数来从生存分析结果中提取信息，但我在提取 95% 置信区间指定的下限和上限生存时间与从包本身作为摘要报告。

我正在 R (v 3.1.2) 中使用 survival 包 (v 2.37-7)。

所以我的问题是，有时我提取的中位生存时间 95% CI 的下限和/或上限与我仅评估 survfit 结果时返回的内容不匹配。当我检查数据时，我相信 survfit 的结果是错误的，它似乎返回边界+1 值(有时再次)。以下是一些说明问题的数据。

# Fit my data stratified by gender of subject
survFit30Sex <- survfit(Surv(thirtyDaySuicides$daysFromInvestigation) ~ thirtyDaySuicides$Sex)

# Display median survival and confidence interval
survFit30Sex


Call: survfit(formula = Surv(thirtyDaySuicides$daysFromInvestigation) ~ 
thirtyDaySuicides$Sex)

                    records n.max n.start events median 0.95LCL 0.95UCL
thirtyDaySuicides$Sex=1      35    35      35     35     15       9      20
thirtyDaySuicides$Sex=2      93    93      93     93      9       6      13

survfit 将 Sex = 1 的下限和上限分别确定为 9 天和 20 天，但当我检查数据时，似乎上限应该是19，而不是 20

这是实际数据；我只是显示 Sex=1，因为这就是差异所在，我还删除了关键区域之前和之后的值，以使数据更易于阅读

Call: survfit(formula = Surv(thirtyDaySuicides$daysFromInvestigation) ~ 
    thirtyDaySuicides$Sex)

summary( thirtyDaySuicides$Sex=1 )
     time n.risk n.event survival std.err lower 95% CI upper 95% CI
    9     24       2   0.6286  0.0817      0.48725        0.811
   10     22       1   0.6000  0.0828      0.45780        0.786
   11     21       1   0.5714  0.0836      0.42890        0.761
   13     20       1   0.5429  0.0842      0.40055        0.736
   14     19       1   0.5143  0.0845      0.37272        0.710
   15     18       1   0.4857  0.0845      0.34541        0.683
   16     17       1   0.4571  0.0842      0.31861        0.656
   17     16       3   0.3714  0.0817      0.24138        0.572
   19     13       1   0.3429  0.0802      0.21673        0.542
   20     12       2   0.2857  0.0764      0.16921        0.482
   21     10       2   0.2286  0.0710      0.12437        0.420
   22      8       1   0.2000  0.0676      0.10310        0.388

据我了解，中位生存时间的较低 95% CI 为 0.34541。向下搜索生存列，直到在与生存时间 19 (生存 = 0.3429) 关联的行中找到 < 0.34541 的值。这不是上限吗？为什么 survfit 返回的生存时间上限为 20？我已经自动化了这个算法，大多数时候我匹配 survfit 的输出，但并非总是如此。

这让我认为要么是 survival 包中存在一些奇怪的错误(我对此表示怀疑)，要么是我错误地找到了边界(很可能)。

--------- 更新

不幸的是，我不知道如何将数据文件链接到我的问题，但数据很短，所以我可以将其放在这里。请注意，为了简化，我消除了按性别的分层，因此这只是女性的数据，这就是我得到差异的地方。

我发现我的处理方法不正确，也许 95% CI 是根据标准误差计算的，而不是按照我的想法查找。但即使有这个想法，我也遇到了类似的问题。更普遍的问题是，如何从 survfit 对象中提取第 X 个百分位数的生存时间及其相应的 95% CI(以时间为单位)？

这里是通过 dput 的生存输入数据，然后是下面的非结构化副本。

structure(list(daysFromInvestigation = c(27L, 27L, 10L, 20L, 
15L, 21L, 27L, 1L, 9L, 22L, 29L, 14L, 4L, 19L, 7L, 3L, 2L, 7L, 
21L, 4L, 17L, 20L, 16L, 2L, 9L, 7L, 17L, 2L, 17L, 26L, 25L, 11L, 
3L, 13L, 27L), censored = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 
1, 1, 1)), class = "data.frame", row.names = c(NA, -35L), .Names = c("daysFromInvestigation", 
"censored"))

       daysFromInvestigation censored
1                     27        1
2                     27        1
3                     10        1
4                     20        1
5                     15        1
6                     21        1
7                     27        1
8                      1        1
9                      9        1
10                    22        1
11                    29        1
12                    14        1
13                     4        1
14                    19        1
15                     7        1
16                     3        1
17                     2        1
18                     7        1
19                    21        1
20                     4        1
21                    17        1
22                    20        1
23                    16        1
24                     2        1
25                     9        1
26                     7        1
27                    17        1
28                     2        1
29                    17        1
30                    26        1
31                    25        1
32                    11        1
33                     3        1
34                    13        1
35                    27        1

Answer 1

我对自己的问题有一个答案，即使不是最佳答案，至少也是一个很好的近似答案。

我遇到的主要问题是未能使用加权平均值。在我的问题中，我对中位生存时间感兴趣，因此生存 = 0.5。但我的数据并未在精确的中位时间产生事件，因此我的生存概率为 14 天 = 0.5143，15 天 = 0.4857，其加权平均值四舍五入为 15 天。

第二个问题是误解如何使用置信区间。为了匹配生存包报告的内容，为了找到中位生存区间的下界，我们搜索下界向量以找到第一个小于中位值的值，然后计算该值的加权平均时间低于中位数且略高于中位数。同样，对于上限，搜索上限向量以找到目标区间，然后计算加权平均值。对于我的示例，中位生存期的上限发生在 19 天到 20 天之间。加权平均四舍五入为 20 天。

我还没有深入追踪生存代码来确认这是如何正确完成的，但就我而言，我有大约 50 种特定的生存适合组合，着眼于不同的时间段和不同的主持人，我正在匹配生存包提供的中值输出为 100%。

我希望任何遇到同样问题的人都能从这个总结中得到帮助，如果有人想帮助纠正/完善我的理解，我们非常欢迎。