在没有案例被审查时使用 tidycmprsk (R)

Question

我正在尝试使用 R 中的 package tidycmprsk 进行竞争风险分析。

我的数据集遇到了问题，因为没有审查案例（数据集中的每个人都经历了三种结果之一）。

从文档中：
事件状态变量必须是一个因素，第一级表示“审查”，随后的级别表示竞争风险。

关于如何解决这个问题的任何想法？ 否则，当它实际上是感兴趣的结果时，它会将我的水平/结果之一视为审查。

例如，下面运行累积发病率曲线并给出两种结果的结果 - 癌症死亡和其他原因死亡：

library(tidycmprsk)

cuminc(Surv(ttdeath, death_cr) ~ trt, trial)

但是，如果您取出审查过的案例，现在它只会给出一种失败类型的结果，认为另一种是您的审查变量：

data <- trial %>%
  mutate(death_cr_new = case_when(
    death_cr=="censor" ~ 2,
    death_cr=="death from cancer" ~ 2,
    death_cr=="death other causes" ~ 3
  ))

data$death_cr_new<-as.factor(data$death_cr_new)

cuminc(Surv(ttdeath, death_cr_new) ~ trt, data)

Answer 1

即使未观察到，结果因素的第一级也必须是审查级。 扩展您的示例，我在结果中添加了一个未观察到的级别以指示审查。

library(tidycmprsk)

data <- 
  trial %>%
  dplyr::mutate(
    death_cr_new = 
      dplyr::case_when(
        death_cr=="censor" ~ 2,
        death_cr=="death from cancer" ~ 2,
        death_cr=="death other causes" ~ 3
      ) %>%
      factor(levels = 1:3)
  )

data$death_cr_new %>% table()
#> .
#>   1   2   3 
#>   0 145  55


cuminc(Surv(ttdeath, death_cr_new) ~ trt, data)
#> 
#> ── cuminc() ────────────────────────────────────────────────────────────────────
#> • Failure type "2"
#> strata   time   n.risk   estimate   std.error   95% CI          
#> Drug A   5.00   97       0.000      0.000       NA, NA          
#> Drug A   10.0   94       0.020      0.014       0.004, 0.065    
#> Drug A   15.0   83       0.071      0.026       0.031, 0.134    
#> Drug A   20.0   61       0.173      0.039       0.106, 0.255    
#> Drug B   5.00   102      0.000      0.000       NA, NA          
#> Drug B   10.0   95       0.039      0.019       0.013, 0.090    
#> Drug B   15.0   75       0.167      0.037       0.102, 0.246    
#> Drug B   20.0   55       0.255      0.043       0.175, 0.343
#> • Failure type "3"
#> strata   time   n.risk   estimate   std.error   95% CI          
#> Drug A   5.00   97       0.010      0.010       0.001, 0.050    
#> Drug A   10.0   94       0.020      0.014       0.004, 0.065    
#> Drug A   15.0   83       0.082      0.028       0.038, 0.147    
#> Drug A   20.0   61       0.204      0.041       0.131, 0.289    
#> Drug B   5.00   102      0.000      0.000       NA, NA          
#> Drug B   10.0   95       0.029      0.017       0.008, 0.077    
#> Drug B   15.0   75       0.098      0.030       0.050, 0.165    
#> Drug B   20.0   55       0.206      0.040       0.133, 0.289
#> • Tests
#> outcome   statistic   df     p.value    
#> 2         1.03        1.00   0.31       
#> 3         0.089       1.00   0.77

^{由代表 package (v2.0.1) 于 2022 年 8 月 17 日创建}