在R中找到威布尔拟合(生存模型)的R平方值

Question

我有一个生存对象(S)，我正在使用survreg函数和R中的威布尔分布对其进行威布尔拟合。

S = Surv(data$ValueX, data$ValueY)
W = Survreg(S ~ 1, data=data, dist="weibull") 

我如何提取威布尔拟合的R平方值，它本质上是一条线性直线？或者，是否有计算相关系数值Rho的函数？

基本上，我想计算拟合的优度。

Answer 1

看看PAmeasures包中的pam.censor，它会生成一个类似R^2的统计数据。使用生存包中的卵巢数据集：

library(PAmeasures)
library(survival)

fit.s <- survreg(Surv(futime, fustat) ~ age, data = ovarian, dist="weibull" )
p <- predict(fit.s, type = "response")
with(ovarian, pam.censor(futime, p, fustat))

对于带有年龄回归的卵巢数据，我们得到的值只有0.0915。

另一个想法是，对于没有协变量的威布尔模型，我们有S(t) = exp(- (λ* t)^p)，因此log(-log(S(T)在log(t)中是线性的，因此我们可以使用相应回归的R平方来衡量该模型与威布尔模型的拟合程度。

library(survival)

fit1 <- survfit(Surv(futime, fustat) ~ 1, data = ovarian)
sum1 <- summary(fit1, times = ovarian$futime)
fo <- log(-log(surv)) ~ log(time)
d <- as.data.frame(sum1[c("time", "surv")])
fit.lm <- lm(fo, d)
summary(fit.lm)$r.sq

plot(fo, d)
abline(fit.lm)

对于没有协变量的卵巢数据，R^2在93%是很高的，但该图确实表明系统偏离了线性，因此它可能不是真正的威布尔。

其他

不确定这是否令人感兴趣，但eha软件包具有check.dist函数，该函数可用于参数基线风险模型与cox比例风险模型的可视化比较。请参阅文档以及：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5233524/

使用来自存活率的卵巢数据集：

library(eha)
library(surival)

fit.c <- coxreg(Surv(futime, fustat) ~ age, data = ovarian)
fit.p <- phreg(Surv(futime, fustat) ~ age, data = ovarian, dist = "weibull")
check.dist(fit.c, fit.p)

survAUC软件包有三个函数，可为cox比例风险模型(OXS，Nagelk和XO)提供r方类型统计。