home *** CD-ROM | disk | FTP | other *** search
/ Big Green CD 8 / BGCD_8_Dev.iso / NEXTSTEP / UNIX / Educational / R-0.49-MI / R-0.49-I / help / survival4 / survdiff < prev    next >
Encoding:
Text File  |  1997-09-13  |  3.3 KB  |  95 lines
  1.     
  2.     _T_e_s_t _S_u_r_v_i_v_a_l _C_u_r_v_e _D_i_f_f_e_r_e_n_c_e_s _T_e_s_t_s _i_f _t_h_e_r_e _i_s _a _d_i_f_f_e_r_-
  3.     _e_n_c_e _b_e_t_w_e_e_n _t_w_o _o_r _m_o_r_e _s_u_r_v_i_v_a_l _c_u_r_v_e_s _u_s_i_n_g _t_h_e _G-_r_h_o
  4.     _f_a_m_i_l_y _o_f _t_e_s_t_s, _o_r _f_o_r _a _s_i_n_g_l_e _c_u_r_v_e _a_g_a_i_n_s_t _a _k_n_o_w_n
  5.     _a_l_t_e_r_n_a_t_i_v_e.
  6.     
  7.          survdiff(formula, data,  rho=0, subset)
  8.     
  9.     _A_r_g_u_m_e_n_t_s:
  10.     
  11.           formula:
  12.          a formula expression as for other survival models, of
  13.          the form Surv(time, status) ~ predictors.  For a one-
  14.          sample test, the predictors must consist of a single
  15.          offset(sp) term, where sp is a vector giving the sur-
  16.          vival probability of each subject.  For a k-sample
  17.          test, each unique combination of predictors defines a
  18.          subgroup.  A strata term may be used to produce a stra-
  19.          tified test.
  20.     
  21.              data:
  22.          an optional data frame in which to interpret the vari-
  23.          ables occurring in the formula.
  24.     
  25.               rho:
  26.          a parameter that controls the type of test.
  27.     
  28.            subset:
  29.          subset of the observations to be used in the fit.
  30.     
  31.          Value:
  32.     
  33.          a list with components:
  34.     
  35.     _A_r_g_u_m_e_n_t_s:
  36.     
  37.                 n:
  38.          the number of subjects in each group.
  39.     
  40.               obs:
  41.          the weighted observed number of events in each group.
  42.          If there are strata, this will be a matrix with one
  43.          column per stratum.
  44.     
  45.               exp:
  46.          the weighted expected number of events in each group.
  47.          If there are strata, this will be a matrix with one
  48.          column per stratum.
  49.     
  50.             chisq:
  51.          the chisquare statistic for a test of equality.
  52.     
  53.               var:
  54.          the variance matrix of the test.
  55.     
  56.            strata:
  57.          optionally, the number of subjects contained in each
  58.          stratum.
  59.     
  60.          This function implements the G-rho family of Harrington
  61.          and Fleming (1982), with weights on each death of
  62.          (S(t))^rho, where S is the Kaplan-Meier estimate of
  63.          survival.  When rho = 0 this is the log-rank or
  64.          Mantel-Haenszel test, and when rho = 1 it is equivalent
  65.          to the Peto & Peto modification of the Gehan-Wilcoxon
  66.          test.  If the right hand side of the formula consists
  67.          only of an offset term, then a one sample test is done.
  68.          To cause missing values in the predictors to be treated
  69.          as a separate group, rather than being omitted, use the
  70.          factor function with its exclude argument.
  71.     
  72.          Harrington, D. P. and Fleming, T. R. (1982).  A class
  73.          of rank test procedures for censored survival data.
  74.          Biometrika (
  75.                      c
  76.                      k
  77.                      s
  78.                      l
  79.                       sh)fB69(
  80.                               c
  81.                               k
  82.                               s
  83.                               l
  84.                                sh)fR, 553-566.
  85.     
  86.          survdiff.print.
  87.     
  88.     _E_x_a_m_p_l_e_s:
  89.     
  90.          survdiff(Surv(futime, fustat) ~ rx)
  91.          survdiff(Surv(time, status) ~ pat.karno + strata(inst), data=cancer)
  92.          expect <- survexp(entry, birth, sex, futime)
  93.          survdiff(Surv(futime, fustat) ~ offset(expecturv))  #One sample log-rank
  94.     
  95.