R 精算生存分析，分为区间

我正试图在R中创建一个精算生存分析（我正在遵循一些工作示例）。我认为最好的方法是使用

survival

包。比如：

library(survival)
surv.test <- survfit(Surv(TIME,STATUS), data=test)

库（生存）
surv.test我猜您想要将
时间
变量划分为区间，因为您想要绘制Kaplan-Meier曲线。在R中，这是不必要的，您可以在
survfit
对象上调用plot。比如说,

s=survfit(Surv(futime, fustat)~rx, data=ovarian)
plot(s)



我想我更了解你的问题。之所以会有一条粗黑线，是因为有大量的审查，并且在审查的每个点都绘制了一个
+
，您可以使用
mark.time=F
将其关闭。（您可以在
？生存：：：plot.survfit
中看到其他选项）

但是，如果您仍然希望按年份进行汇总，只需将跟踪时间除以365，然后进行四舍五入<代码>天花板

用于取整。下面是一个在不同时间级别聚合而不进行审查的示例

par(mfrow=c(1,3))
plot(survfit(Surv(ceiling(futime), fustat)~rx, data=ovarian),col=c('blue','red'),main='Day',mark.time=F)
plot(survfit(Surv(ceiling(futime/30), fustat)~rx, data=ovarian),col=c('blue','red'),main='Month',mark.time=F)
plot(survfit(Surv(ceiling(futime/365), fustat)~rx, data=ovarian),col=c('blue','red'),main='Year',mark.time=F)
par(mfrow=c(1,1))

但我认为，在没有审查符号的情况下绘制卡普兰·梅尔（Kaplan Meier）将非常好看，并提供更多的洞察力

---

万岁，我现在应该可以发布图片了：

1） 这就是R基本生存图目前的样子

2） 这就是它应该是什么样子（SPSS示例）

---

这正是我所缺少的！谢谢

解决方案：

vas.surv <- survfit(Surv(ceiling(TIME/365), STATUS)~1, conf.type="none", data=vasectomy)
plot(vas.surv, ylim=c(0.975,1), mark.time=F, xlab="Years", ylab="Cumulative Survival")

---

vas.surv不知道为什么这个问题被否决+我认为这不是一个不合理的问题。现在时间和状态变量是如何设置的？什么样的例子可以运行，你告诉我们为什么这个例子是错误的，我们应该改变什么。谁问我是否在BNPP工作？顺便说一句，答案是否定的。为什么需要将
时间
变量划分为间隔？您是否试图绘制Kaplan-Meier曲线（有时称为阶梯图）？或者您正在尝试将时变协变量添加到您的模型中？这个表格包含大约9400条事件记录，数据应该按年份分组（根据练习）。状态变量是一个简单的0,1变量，用于描述患者是否进行了某项手术，而时间变量是自另一项手术后的天数。很抱歉，我还不能发布图片。想象一下，在R中描绘了一条粗的扁平线，而不是SPSS和STATA输出中可以看到的宽步长。我认为问题在于该表包含每日事件，并且步骤太小（时间从0到6249）。由于我的时间变量是以天为单位的，所以在使用标准方法时，我只能得到一条粗黑线作为输出。数据需要以年为间隔绘制，否则步骤将不可见。添加绘图是个好主意。但是，您可以编辑您的答案，并将绘图放在那里，然后删除此“答案”。我认为应将图像添加到原始问题中。无法在该时间点添加图像，但将在下次添加。这里有很多问题，因此请触摸带有时间组件的标记轴。请随意浏览。这一个有点讨厌，因为它不仅是轴的重新标记（例如，使用xaxt='n'抑制x轴的绘图，然后使用axis命令重新指定标签），而且记号标记的位置也会改变。具体来说，查看
？生存：：：plot.survfit
以了解有关此plot命令的更多信息。但要重新缩放它，只需使用
xscale
参数。因此，在数年到数天的时间里，您可以通过
xscale=1/365
Brilliant来扩展它<代码>？生存：：：plot.survfit

是一个很好的命令！