¿Paquetes de R (o código SAS) para producir dos curvas de Kaplan-Meier simultáneas?

Question

Hay una manera de realizar un análisis de supervivencia de dos (o más supongo) riesgos competitivos mutuamente excluyentes como una mezcla de dos curvas de supervivencia diferentes. Algo así como lo que se ve en A.C. Ghani et al. Métodos para estimar la proporción de letalidad de un nuevo brote de enfermedad infecciosa. American Journal of Epidemiology (2005) Vol. 162, No. 5

Lo que busco es un paquete que ayude a producir algo como esta figura:

Donde la curva de supervivencia de un resultado, y 1-la curva de supervivencia del otro resultado eventualmente se encontrarán en un punto particular que es la mezcla de los dos resultados.

Answer 1

En R, un survfit.object---devuelto por survfit()---almacena una curva de supervivencia ajustada. En particular, este objeto contiene los puntos en los que la curva tiene un escalón y las ordenadas en esos puntos. Por lo tanto, puedes construir la función de supervivencia, $t\mapsto \hat{S}(t)$, mediante interpolación constante. Aquí te muestro cómo lo haría:

km <- summary(survfit(Surv(time, event) ~ 1, data=data))
S <- approxfun(km$time, km$surv,
               method="constant", f=0, yleft=1, rule=2)

Ahora, S se puede usar como cualquier función definida por el usuario en R: en particular, puedes evaluar S(t) en cualquier momento t, puedes hacer gráficos usando plot(), y puedes superponer dos curvas de Kaplan-Meier en el mismo gráfico usando lines(), ...

¡Espero que esto te sea útil!

Answer 2

Lo que estás pidiendo es un gráfico simultáneo de la función de supervivencia para un proceso y la función de incidencia acumulativa (= 1- S(t)) para el proceso competidor. El paquete R 'cmprsk' debería ser capaz de hacer los gráficos, pero como el modo habitual es mostrar ambos procesos como la incidencia acumulativa, tendrás que hacer algo de trabajo para transformar los datos de manera que uno sea S(t) y el otro sea H(t).

Answer 3

¿No sería suficiente si pudieras trazar dos curvas usando par(new=T)?

plot(survfit(KMfit1 ~ 1),main="Estimación de Kaplan-Meier con límites de confianza del 95%",xlab="tiempo", ylab="función de supervivencia",col="red",xlim=c(0,70))

par(new=T)

plot(survfit(KMfit2 ~ 1),col="green",xlim=c(0,70))