Анализ данных типа времени жизни, некоторые практические вопросы Опции

[Игорь]

При анализе данных типа времени жизни возникает необходимость расчета дисперсии функции выживания. Она необходима для расчета ДИ.

На с. 238 книги "Эпидемиология" Власов приводит результаты, рассчитанные программой STATISTICA. Результаты вызывают сомнение (почему стандартная ошибка так растет к концу интервала - это не подтверждают расчеты). К тому же Власов дает ссылку на свою же формулу, представляющую собой просто дисперсию доли. Расчет именно по данной формуле практически не имеет ничего общего с приведенным листингом.

С другой стороны, Кокс в книге "Анализ данных типа времени жизни" на с. 53 дает формулу Гринвуда, расчет по которой просто не получается. По другой из формул (4.6, там же) результат выглядит правдоподобным, но отличается от результатов Власова.

Во-вторых, для ДИ Кокс приводит формулу, в которой фигурирует стандартное отклонение, а не стандартная ошибка. Если произвести вычисление по данной формуле, ДИ просто не получаются разумными.

Итак, вопрос. Как считать дисперсию и ДИ функции выживания?

[Igoroshka]

На амазоне книг гораздо больше .
Это те книги, которые есть у меня, и которыми могу поделиться.

Насчет характеристики -- сложновато. По последней, которую изучал:

Survival Analysis Using S-R. Tableman
Курс лекций Tableman, представленные в виде книги.
Кратко рассмотрена теория, даны примеры анализа выживаемости с использованием S (R-system, S+). При рассмотрении примеров используются как стандартные средства, так и функции, разработанные автором и ассистентами. По тексту функций можно проследить алгоритм.
Рассмотрены следующие вопросы:
. оценки КМ и Нельсона-Аалена; квантили; функция риска
. сравнение выживаемостей (лог-ранговый, Пето, rho Harrington and Fleming
. моделирование выживаемости распределениями: экспоненциальным, Вейбула, лог-нормальным, лог- логистическим, гамма; сравнение групп, моделированных парам. распределениями
. параметрические регрессионные модели; процедура AIC
. регрессионный анализ Кокса; процедура AIC. Стратифицированный регрессионный анализ
. проверка моделей, проверка пропорциональности

Если будет интересно, еще несколько смогу подготовить.

Насчет сравнения модулей для R. Это сложно сделать. Частичное перекрытие функций есть. Но, в основном, каждый из них реализует дополнительные возможности. Например, используя модуль survival можно получить оценку функций риска. Но лучше использовать функции, предложенные в вышеназванной книге. А пакет muhaz дополнительно позволяет получить сглаженные функции риска. Пакет surv2sample позволяет сравнивать выживаемость в 2-х группах с различными весами, а также проверить предположение о пропорциональности рисков и шансов (proportional hazards, proportional odds).

[плав]

Survival Analysis Using S-R. Tableman
...
Насчет сравнения модулей для R. ...

Ну вот, наконец-то на форуме еще кто-то появился кому R нравится

[DoctorStat]

Ну вот, наконец-то на форуме еще кто-то появился кому R нравится

«мне нравится R» - это неправильное выражение. Во времена СССР выпускалась такая книжица с названием «ЭТО должен знать каждый». Про ее содержание точно сказать не могу, кажется, она была посвящена гражданской обороне. Актуальность обороны нашей страны в то время была вызвана холодной войной, развязанной проклятыми капиталистами, которые хотели нас захватить и т.д. Здесь аналогичный случай, только слово «ЭТО» нужно заменить на букву «R». Актуальность программы R обусловлена наличием полезной функциональности, отсутствующей в других статистических пакетах (таких как Statistica и SPSS), что неоднократно подтверждалось на этом форуме. Грубо говоря, мы вынуждены изучать R, чтобы не прослыть невежами. Предлагаю текущий лозунг дня: «А ты уже попробывал R?»