Как выполнить тест лог-ранга в r

Логранговый тест — наиболее распространенный способ сравнения кривых выживаемости между двумя группами.

В этом тесте используются следующие предположения :

_H0 : Между двумя группами нет разницы в выживаемости.

_ХА : Между этими двумя группами существует разница в выживаемости.

Если значение p теста ниже определенного уровня значимости (например, α = 0,05), то мы можем отвергнуть нулевую гипотезу и заключить, что существует достаточно доказательств, чтобы сказать, что существует разница в выживаемости между двумя группами.

Чтобы выполнить лог-ранговый тест в R, мы можем использовать функцию survdiff() из пакета выживания , которая использует следующий синтаксис:

survdiff(Surv(время, статус) ~ предикторы, данные)

Эта функция возвращает статистику теста хи-квадрат и соответствующее значение p.

В следующем примере показано, как использовать эту функцию для выполнения лог-ранговой проверки в R.

Пример: логарифмический тест в R

В этом примере мы будем использовать набор данных яичников из пакета выживания . Этот набор данных содержит следующую информацию о 26 пациентах:

• Время выживания (в месяцах) после постановки диагноза рака яичников
• Было ли время выживания подвергнуто цензуре
• Тип полученного лечения (rx = 1 или rx = 2)

Следующий код показывает, как отобразить первые шесть строк этого набора данных:

 library (survival)

#view first six rows of dataset
head(ovarian)

  futime fustat age resid.ds rx ecog.ps
1 59 1 72.3315 2 1 1
2 115 1 74.4932 2 1 1
3 156 1 66.4658 2 1 2
4 421 0 53.3644 2 2 1
5,431 1 50.3397 2 1 1
6 448 0 56.4301 1 1 2

Следующий код показывает, как выполнить логарифмический тест, чтобы определить, существует ли разница в выживаемости между пациентами, получавшими различное лечение:

 #perform log rank test
survdiff(Surv(futime, fustat) ~ rx, data=ovarian)

Call:
survdiff(formula = Surv(futime, fustat) ~ rx, data = ovarian)

      N Observed Expected (OE)^2/E (OE)^2/V
rx=1 13 7 5.23 0.596 1.06
rx=2 13 5 6.77 0.461 1.06

 Chisq= 1.1 on 1 degrees of freedom, p= 0.3 

Статистика теста хи-квадрат равна 1,1 с 1 степенью свободы, а соответствующее значение p составляет 0,3 . Поскольку это значение p не меньше 0,05, мы не можем отвергнуть нулевую гипотезу.

Другими словами, у нас нет достаточных доказательств, чтобы сказать, что существует статистически значимая разница в выживаемости между двумя методами лечения.

Мы также можем построить кривые выживания для каждой группы, используя следующий синтаксис:

 #plot survival curves for each treatment group
plot(survfit(Surv(futime, fustat) ~ rx, data = ovarian), 
     xlab = " Time ", 
     ylab = “ Overall survival probability ”)

Мы видим, что кривые выживаемости немного отличаются, но лог-ранговый тест показал нам, что разница не является статистически значимой.