使用survminer绘制R中的危险函数？

Question

我们可以使用survminer来绘制生存函数或累积风险函数，但是我看不到使用它来绘制风险函数的方法。

例如,

library(survival)
library(tidyverse)
library(survminer)

data(lung)

# Run Kaplan-Meier on the data
mod.lung <- survfit(Surv(time, status) ~ 1, data = lung)

# Kaplan-Meier Survival Curve
ggsurvplot(mod.lung)

# Cumulative Hazard
ggsurvplot(mod.lung, fun = function(y) -log(y))

因为累积危险函数是H(t) = -log(S(t))，所以我只需要添加fun = function(y) -log(y)就可以得到累积危险图。

危险函数是h(t) = -d/dt log(S(t))，所以我不确定如何在survminer图中使用它来获得危险函数。

危险函数的另一种定义是h(t) = f(t)/S(t)，然而，我不确定如何使用它来获得曲线图。

我已经找到了使用ggplot2获取危险图的方法，例如

survival.table1 <- broom::tidy(mod.lung) %>% filter(n.event > 0)
survival.table1 <- survival.table1 %>% mutate(hazard = n.event / (n.risk * (lead(time) - time)))
ggplot() +
  geom_step(data = survival.table1, aes(x = time, y = hazard)) +
  labs(x = "Time", y = "Hazard")

然而，我主要希望找到一种使用survminer包的方法，部分原因是为了保持一些一致性。

谢谢

Answer 1

在rms包中，您可以使用survplot函数，并将"what“参数指定为" hazard”，以绘制危险函数与时间的关系。

https://rdrr.io/cran/rms/man/survplot.html

Answer 2

晚了几年，但这是给其他人的。

如果估计值是由psm函数创建的，则survplot只能用于绘制危险图。rms库的psm函数符合参数生存模型的加速失效时间族(默认为威布尔分布)。survreg包的文档中提供了其他可用的发行版：

这些包括“威布尔”，“指数”，“高斯”，“逻辑”，“对数正态”和“逻辑”。否则，将假定为符合survreg.distributions中所述格式的用户定义列表

library(rms)
mod.lung <- psm(Surv(time, status) ~ 1, data = lung)
survplot(mod.lung, what="hazard")

对于非参数生存模型，muhaz库可能更有用。本例使用默认的"epanechnikov“边界核函数。您可能希望探索不同的带宽选项-请参阅muhaz package documentation。

library(muhaz)
mod.lung <- muhaz(lung$time, lung$status - 1) # status must be 1 for failure and 0 for censored
plot(mod.lung)

或者，要对危险应用B样条而不是核密度平滑，请查看bshazard库

library(bshazard)
mod.lung <- bshazard(Surv(time, status) ~ 1, data = lung)
plot(mod.lung)