0 收听	12 听众	406 主题

timeROC

发表于昨天 10:37 | 查看: 9| 回复: 1

背景

绘制不同拟合模型的time-dependent AUC。

出自PMID: 29741566文章

应用场景

绘制不同拟合模型的timeROC曲线。

环境设置

使用国内镜像安装包

options("repos"= c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="http://mirrors.ustc.edu.cn/bioc/")
install.packages("timeROC")

加载包

library(timeROC)
library(survival)

Sys.setenv(LANGUAGE = "en") #显示英文报错信息
options(stringsAsFactors = FALSE) #禁止chr转成factor

输入文件

比普通的ROC的输入多了一列时间变量time

tr <- read.csv("easy_input.csv", row.names = 1)
head(tr)
#查看数据集的例数和变量数
dim(tr)

开始计算

根据需要拟合不同的模型，此处的三个拟合模型分别为：

指标a、age、sex构建的模型1
指标b、age、sex构建的模型2
以及指标c、age、sex构建的模型3

以ROC.a为例，使用的函数为timeROC。

T，数据集中的时间变量
delta，数据集中的结局变量（该函数要求删失数据的赋值一定设置为0）
marker为主要研究变量
other_markers为其他校正的协变量
cause为结局事件对应的赋值
weighting为计算权重的方式，可以设置为marginal（采用KM方法），也可以设置为cox（采用Cox方法）
times为计算AUC的时间点，根据实际需求设置
iid的默认设置为FALSE，如果后续需要使用AUC的置信区间，则设置为TRUE，如果不需要的话，则可不进行设置。本例中可以不进行设置。

ROC.a <- timeROC(T=tr$time, 
                 delta=tr$status, marker=tr$a,
                 other_markers=as.matrix(tr[,c("age","sex")]),
                 cause=1,
                 weighting="marginal",
                 times=c(0,50,100,150,200,250,300,350,400),
                 iid=TRUE)

# ROC.b的设置与其他两个相比，marker设置不同，可以看到tr$b前后多一个负号(“-”)
# 原因在于该变量和结局事件的关系是该变量数值增大，结局事件发生率反而降低。
ROC.b <- timeROC(T= tr$time, delta= tr$status, marker=-tr$b,
               other_markers=as.matrix(tr[,c("age","sex")]),
               cause=1,weighting="marginal",
               times=c(0,50,100,150,200,250,300,350,400),
               iid=TRUE)

ROC.c <- timeROC(T=tr$time, delta=tr$status,marker=tr$c,
               other_markers=as.matrix(tr[,c("age","sex")]),
               cause=1,weighting="marginal",
               times=c(0,50,100,150,200,250,300,350,400),
               iid=TRUE)

开始画图

分别绘制三个模型对应的timeROC曲线，采用的函数为plotAUCcurve。

该函数的第一部分为前面模型输出的结果；
第二部分conf.int指图中是否绘制置信区间，若为FALSE，则不添加置信区间，若为TRUE，则绘制相应置信区间线；
第三部分为线条的颜色设置，除第一条曲线外，后面的都需添加add=TRUE，以保证全部的曲线绘制在一张图上。

pdf("timeROC.pdf", 6, 5)
plotAUCcurve(ROC.a, conf.int=FALSE, col="red")
plotAUCcurve(ROC.b, conf.int=FALSE, col="darkblue", add=TRUE)
plotAUCcurve(ROC.c, conf.int=FALSE, col="darkgreen", add=TRUE)

# 图例设置
legend("topright", c("A model","B model","C model"),
       col=c("red","darkblue","darkgreen"),
       bty='n', lty=1, lwd=2, cex=0.8)
dev.off()