求助：如何做总生存 OS 与某化验指标的 ROC 曲线？

hagiaatcos

已知 100 人的指标 A 的结果，和 100 人的生存信息，希望绘制 ROC 曲线，找出指标 A 的界值，使得小于界值组和大于界值组的生存曲线有显著性差异。

hagiaatcos

自己研究了一会，稍微有一点启发，但是还有很多没搞明白。

代码如下。

rm(list = ls()) # 清理环境

# 安装需要的包
install.packages('timeROC')
install.packages('timereg')
install.packages('survivalROC')
library(timeROC)
library(survival)
library(survivalROC)

# 使用 mayo 数据
data(mayo)
head(mayo)

# 建立生存曲线的时间依赖ROC 曲线
sroc <- survivalROC(Stime = mayo$time,
                    status = mayo$censor,
                    marker = mayo$mayoscore5,
                    predict.time = 1825,
                    method = 'KM',
                    )

# 计算最佳界值
cut.op <- sroc$cut.values[which.max(sroc$TP-sroc$FP)];cut.op

# 画出 ROC 曲线
plot(sroc$FP,sroc$TP,type = 'l',
     xlim = c(0,1),
     ylim = c(0,1),
     xlab=paste("FP","\n","AUC=",round(sroc$AUC,4)),
     ylab="TP",
     main="5-year survival ROC",col="red")
abline(0,1) # 加个斜线
legend("bottomright",c("percentage"),col="red",lty=c(1,1)) # 加标签

计算得到的最佳界值是6.225668，也就是说，mayoscore5 这个指标以6.225668划分成两组，低于6.225668组和高于6.225668组的生存曲线差异最大。

然后用另一种方法找最佳界值，并画两组生存曲线

# 这个方法用 survminer 包
library(survminer)

# 这种方法找最佳界值 a
a <- surv_cutpoint(mayo,
              time = "time",
              event = "censor",
              variables = "mayoscore5",
              minprop = 0.1,
              progressbar = T);a

sur.cat <- surv_categorize(a)
head(sur.cat)

# 绘制两组生存曲线
fit1 <- survfit(Surv(time,censor)~mayoscore5,data = sur.cat)
ggsurvplot(
  fit1,
  data = sur.cat,
  conf.int = F,
  pval = T
           )

发现用这种方法找到的界值和前面那种方法不一样，这次的界值是6.627459。前面的界值是6.225668。
画出来的生存曲线也不同。
图一：6.225668为界值的生存曲线。

图二：6.627459为界值的生存曲线。

fenguoerbian

你去看一下你用的这两个方法的文档就会发现这是两个不同的方法，针对两种不同的问题，那么结果有差异并不奇怪。survivalROC是针对一个你给定的时间点上的生存率做预测，比较的并不是整个生存曲线。而survminer里那个方法则是在试图寻找使得logrank检验统计量最大化的一个斜边量分界值（这里我并没有仔细去读文档以及相关的引用），所以某种程度上可以认为是使得生存曲线差异最大化的一个分界。

至于楼主你自己原先提出来的问题，不妨好好想清楚你到底要什么？前半句话你说要绘制ROC曲线，那么一般来说这是针对一个分类问题，看起来适合你的第一种方法。但是你并没有给出你想在哪个时间点检查它们的生存概率的差异。结果从你后面的叙述来看，你又是想找使得生存曲线差异最大的那个分界值，那么似乎第二种更合适？
而且在某个时间点上对生存概率的估计达到最“好”的区分度的分界值，是否能够让此时据此分组得到的两类生存曲线有显著性差异？这个并不绝对，虽然直观上我觉得比较有可能能够得到显著性结果。
而且真要细究的话，怎么去定义生存曲线的差异呢？怎么定义分类器的好坏呢？各种不同的标准也自然会导出不同的结果来。

hagiaatcos

fenguoerbian 感谢回复。
我的目的是找到区分五年生存率的一个界值，那么看来是第一种方法更合适了。
也就是说，“我有一组100 例患者的生存数据，以及每个人的 A 指标数据。我想找到 A 指标的界值 x，把 100 名患者分成 A 指标大于等于 x 组，和小于等于 x 组，使得两组的五年生存率有显著性差异，这样，x 就可以作为一个预测患者预后的指标了”

hagiaatcos

再举个例子，比如这 100 名患者，随着年龄增长，身体状态差，治疗的效果就越差。那么我想找到一个年龄分界线，比如 60 岁，70 岁，75 岁等，使得年轻组和年长组两组的五年生存率有显著差异。这样的设定，是否应该采用第一种方法？

vickkk

hagiaatcos 第二种，surv_cutpoint调用的maxstat包的方法，能够找出差异最显著的条件，具体你可以参考这一篇文章 http://r-addict.com/2016/11/21/Optimal-Cutpoint-maxstat.html
不过我一直对这种方法有所怀疑，因为不能判断小样本代表了群体，每加入新的病人，设置的条件都会变化。