Eu encontrei muitas fórmulas mostrando como encontrar o tempo médio de sobrevivência para uma distribuição exponencial ou Weibull, mas estou tendo consideravelmente menos sorte para as funções de sobrevivência log-normal.
Dada a seguinte função de sobrevivência:
Como encontrar o tempo médio de sobrevivência. Pelo que entendi, é o parâmetro de escala estimado e a exp ( ) de um modelo de sobrevivência paramétrico é . Enquanto eu acho que eu posso manipulá-lo simbolicamente para obter t por si só depois de definir S (t) = 0,5, o que é especialmente me stumping é como lidar com em algo como R quando ele realmente se resume a introduzir todas as estimativas e a obtenção de um tempo médio.
Até agora, eu tenho gerado a função de sobrevivência (e curvas associadas), assim:
beta0 <- 2.00
beta1 <- 0.80
scale <- 1.10
exposure <- c(0, 1)
t <- seq(0, 180)
linmod <- beta0 + (beta1 * exposure)
names(linmod) <- c("unexposed", "exposed")
## Generate s(t) from lognormal AFT model
s0.lnorm <- 1 - pnorm((log(t) - linmod["unexposed"]) / scale)
s1.lnorm <- 1 - pnorm((log(t) - linmod["exposed"]) / scale)
## Plot survival
plot(t,s0.lnorm,type="l",lwd=2,ylim=c(0,1),xlab="Time",ylab="Proportion Surviving")
lines(t,s1.lnorm,col="blue",lwd=2)
O que produz o seguinte:
Respostas:
O tempo médio de sobrevivência, , é a solução de ; nesse caso, . Isso ocorre porque quando indica a função de distribuição cumulativa de uma variável aleatória normal normal.tmed S(t)=12 Φ ( 0 ) = 1tmed=exp(μ) ΦΦ(0)=12 Φ
Quando , o tempo médio de sobrevivência é de cerca de conforme ilustrado na figura abaixo.20,1μ=3 20.1
fonte
O
rms
pacote R pode ajudar:fonte
No caso de alguém realmente não quer que o tempo médio de sobrevivência como originalmente solicitado, é . (De fato, o pôster original deve considerar cuidadosamente se deseja a média ou a mediana para o uso do número resultante. No exemplo dado com , a média é quase o dobro da mediana.) σ=1,1eμ+σ22 σ=1.1
fonte