卡普兰梅尔生存图

Question

早安，

我无法理解我的一些 Kaplan Meier 分析输出。 我已经设法使用 ggsurvplot 和 survfit 生成了以下图和输出。 我首先绘制了 55 个巢穴的生存时间随时间变化的图，然后对巢穴失败的最高预测因子做了同样的处理，其中一个是微地形，如本例所示。

Call: npsurv(formula = (S) ~ 1, data = nestdata, conf.type = "log-log")

26 observations deleted due to missingness 
records   n.max n.start  events  median 0.95LCL 0.95UCL 
 55      45       0      13      29       2      NA 

Call: npsurv(formula = (S) ~ Microtopography, data = nestdata, conf.type = "log-log")

29 observations deleted due to missingness 
                    records n.max n.start events median 0.95LCL 0.95UCL
Microtopography=0      14    13       0      1     NA      NA      NA
Microtopography=1      26    21       0      7     NA      29      NA
Microtopography=2      12     8       0      5      3       2      NA

所以，我有两个主要问题。 1. 生存曲线是针对孵卵时间为 21-23 天的地面筑巢鸟。孵化时间是鸡蛋孵化前母鸡坐在鸡蛋旁边的天数。知道这一点，情节＃1中的中位生存时间怎么可能是29天？它似乎与我读过的关于同一物种的文献相符，但是，我认为这与我的模型中的左翼审查有关，但老实说，我不知所措。如果有人有任何见解甚至任何文献可以帮助我理解这个概念，我将不胜感激。

1. 我还想知道如何比较第二个地块的中位生存时间。因为微地形生存曲线 1 和 2 从不超过 0.5 pt，所以返回的中位生存时间为 NA。我知道我可以选择另一个区间，例如 0.75，但在这个例子中这仍然对我没有帮助，因为微地形 0 永远不会低于 0.9 左右。如何报告这些数据。解决方法是选择生存间隔吗，使用：

总结(s,times=c(7,14,21,29))

调用：npsurv(formula = (S) ~ Microtopography, data = nestdata, conf.type = “日志-日志”）

     29 observations deleted due to missingness 
                Microtopography=0 
     time n.risk n.event censored survival std.err lower 95% CI upper 95% CI
      7      3       0        0    1.000  0.0000        1.000        1.000
     14      7       0        0    1.000  0.0000        1.000        1.000
     21     13       0        0    1.000  0.0000        1.000        1.000
     29      8       1        5    0.909  0.0867        0.508        0.987

                Microtopography=1 
     time n.risk n.event censored survival std.err lower 95% CI upper 95% CI
      7      9       0        0    1.000  0.0000        1.000        1.000
      14     17       1        0    0.933  0.0644        0.613        0.990
      21     21       3        0    0.798  0.0909        0.545        0.919
      29     15       3        7    0.655  0.1060        0.409        0.819

                Microtopography=2 
     time n.risk n.event censored survival std.err lower 95% CI upper 95% CI
      7      1       2        0    0.333   0.272      0.00896        0.774
     14      7       1        0    0.267   0.226      0.00968        0.686
     21      8       1        0    0.233   0.200      0.00990        0.632
     29      3       1        5    0.156   0.148      0.00636        0.504

Answer 1

聚会迟到了……

29 天的中位存活时间是该物种的鸟类预计在孵化前的中位孵化时间 - 根据您的数据。您的 21-24 的中位数（基于？）可能是基于对已孵化蛋的许多实验/研究，而忽略了尚未孵化的蛋（那些失败的蛋？）。

从您的总体存活曲线可以清楚地看出，有些鸡蛋尚未孵化，即使在超过 35 天后也是如此。在计算预期生存时间时会考虑这些因素。如果您认为这些鸡蛋会失败，请忽略它们。否则，软件不可能知道它们最终会失败。但是，即使在 30 天之后，任何人都怎么能确定鸡蛋是否会失效呢？是否有已知的最大孵化时间？打破所有孵化蛋的记录？

Answer 2

没有真正的 R 问题，所以这个问题可能更适合 statistics 站点。但以下可能会有所帮助。

情节 #1 中的中位生存时间怎么可能是 29 天？

中位生存期是生存曲线超过 50% 标记的位置。仔细观察，29 天看起来不错。

我也想知道如何比较第二个情节的中位生存时间。因为微地形生存曲线 1 和 2 永远不会超过 0.5 pt。

鉴于您的数据，您无法比较中位数。如果必须，您可以比较 75% 或 90%。您可以比较例如 30 天的生存时间点。您可以比较前 30 天截断的平均存活率。

为了比较中位数，您必须做出假设。我合理的假设是在某个任期点之后指数衰减，其中包括至少一次失败。