这是How to plot the survival curve generated by survreg (package survival of R)?回答的问题的一个更简单的变化
# Create simple Weibull survival fit using library(survival)
surmo<-survreg( Surv(validtimes, status)~1, dist="weibull")
# Getting Kaplan-Meier
fKM<-survfit( Surv(validtimes, status)~1)
# Plot Kaplan-Meier
plot(fKM,xlab="Time,Days",conf.int=TRUE,mark.time=TRUE,ylab="Fraction",main="Kaplan-Meier Plot")
这一切都很好,没有任何问题。
当我想在数据上叠加预测的Weibull拟合时出现问题。基于我使用的例子。
pct <- seq(.01,.99,by=.01)
maxvalidtimes<-max(validtimes)
# Getting the Weibull lines to overlay
lines(predict(surmo,newdata=list(1:maxvalidtimes),type="quantile",p=pct),1-pct,col="red")
我收到一个错误
xy.coords(x,y)出错:'x'和'y'长度不同
我认为问题来自这个术语:newdata = list(1:maxvalidtimes)
我试图删除newdata术语,并设置newdata = list(1:99)无济于事。
我在flexsurv包中尝试了同样的事情,我得到了我想要的确切图,只需要很少的努力。
# Using flexsurv package here
surmof <- flexsurvreg( Surv(validtimes, status)~1,dist='weibull')
plot(surmof,mark.time=TRUE,xlab="Time,Days",ylab="Fraction",main="FlexSurv Plot")
由于您没有提供任何数据,我将修改使用?predict.survreg
数据集的lung
页面中的最后一个示例。您不需要任何新数据,因为您只需要分位数类型的绘图,并且需要为p
提供向量参数。
lfit <- survreg(Surv(time, status) ~ 1, data=lung)
pct <- 1:98/100 # The 100th percentile of predicted survival is at +infinity
ptime <- predict(lfit, type='quantile',
p=pct, se=TRUE)
str(ptime)
#------------
List of 2
$ fit : num [1:228, 1:98] 12.7 12.7 12.7 12.7 12.7 ...
$ se.fit: num [1:228, 1:98] 2.89 2.89 2.89 2.89 2.89 ...
所以你实际上有太多的数据点,如果你看看ptime
中的228行数据,你会发现每一行都是相同的,所以只需使用第一行。
identical( ptime$fit[1,], ptime$fit[2,])
#[1] TRUE
str(ptime$fit[1,])
# num [1:98] 12.7 21.6 29.5 36.8 43.8 ...
所以你有一个每个分位数的预测时间,并记住生存函数只是1减去分位数函数,y值是给定的淬火,而它是形成x值的时间:
plot(x=ptime$fit[1,], y=1-pct, type="l")