在沒有案例被審查時使用 tidycmprsk (R)

Question

我正在嘗試使用 R 中的 package tidycmprsk 進行競爭風險分析。

我的數據集遇到了問題，因為沒有審查案例（數據集中的每個人都經歷了三種結果之一）。

從文檔中：
事件狀態變量必須是一個因素，第一級表示“審查”，隨后的級別表示競爭風險。

關於如何解決這個問題的任何想法？ 否則，當它實際上是感興趣的結果時，它會將我的水平/結果之一視為審查。

例如，下面運行累積發病率曲線並給出兩種結果的結果 - 癌症死亡和其他原因死亡：

library(tidycmprsk)

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

但是，如果您取出審查過的案例，現在它只會給出一種失敗類型的結果，認為另一種是您的審查變量：

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

即使未觀察到，結果因素的第一級也必須是審查級。 擴展您的示例，我在結果中添加了一個未觀察到的級別以指示審查。

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) 於 2022 年 8 月 17 日創建}