SurvivalROC包绘制时间依赖的ROC曲线

欢迎来到医科研，这里是白介素2的读书笔记，跟我一起聊临床与科研的故事, 生物医学数据挖掘，R语言，TCGA、GEO数据挖掘。

含有删失数据的生存数据，使用survivalROC包

  • 包括Kaplan-Meier (KM) or Nearest Neighbor Estimation (NNE) 两种方法

假设我们有删失的生存数据与基线marker值，我们希望看到marker如何预测数据集中的受试者的存活时间。特别是，假设我们有几天的生存时间，我们想看看标记如何预测一年的存活（predict.time=365）。该功能roc.km.calc()返回感兴趣的时间点的唯一标记值、TP（真阳性）、FP（假阳性）、对应于感兴趣时间点(predict.time)和AUC(ROC)曲线下面积的Kaplan-Meier生存估计。

返回值：

  • cut.values：由于计算TP和FP的marker值

  • TP：根据cutoff 判断的TRUE postive 真阳性

  • FP：根据cutoff判断的假阳性

  • predict.time：感兴趣的时间截点：可以为5年，3年等等

  • Survival：kaplan-Meier法的预估生存时间

  • AUC：Area under ROC，在时间截点的曲线下面积

实际代码演示

1Sys.setlocale('LC_ALL','C')
2library(survivalROC)
3data(mayo)
4head(mayo)
5##   time censor mayoscore5 mayoscore4
6## 1   41      1  11.251850  10.629450
7## 2  179      1  10.136070  10.185220
8## 3  334      1  10.095740   9.422995
9## 4  400      1  10.189150   9.567799
10## 5  130      1   9.770148   9.039419
11## 6  223      1   9.226429   9.033388
12nobs <- NROW(mayo)
13cutoff <- 365

  • MAYOSCORE 4作为marker, NNE法计算

  • marker value可以为表达值，免疫分数，检验参数等任何可以定义为数值的指标

  • Mayo4.1得到的是列表，其内容是每一个marker的cutoff值都计算出相应的TP,FP

  • TP，FP绘图即得到ROC，ROC曲线下面积即AUC

1Mayo4.1= survivalROC(Stime=mayo$time,##生存时间
2                     status=mayo$censor,## 终止事件    
3                     marker = mayo$mayoscore4, ## marker value    
4                     predict.time = cutoff,## 预测时间截点
5                     span = 0.25*nobs^(-0.20))##span,NNE法的namda
6str(Mayo4.1)## list结构
7## List of 6
8##  $ cut.values  : num [1:313] -Inf 4.58 4.9 4.93 4.93 ...
9##  $ TP          : num [1:313] 1 0.997 0.995 0.993 0.99 ...
10##  $ FP          : num [1:313] 1 0.997 0.994 0.99 0.987 ...
11##  $ predict.time: num 365
12##  $ Survival    : num 0.929
13##  $ AUC         : num 0.931
14## 绘图
15plot(Mayo4.1$FP, Mayo4.1$TP, ## x=FP,y=TP
16     type="l",col="red", ##线条设置
17     xlim=c(0,1), ylim=c(0,1),   
18     xlab=paste( "FP", "\n", "AUC = ",round(Mayo4.1$AUC,3)), ##连接
19     ylab="TP",
20     main="Mayoscore 4, Method = NNE \n  Year = 1")## \n换行符
21abline(0,1,col="gray",lty=2)##线条颜色

image.png

  • MAYOSCORE 4作为marker, KM法计算

1## MAYOSCORE 4, METHOD = KM
2Mayo4.2= survivalROC(Stime=mayo$time,  
3    status=mayo$censor,      
4    marker = mayo$mayoscore4,     
5    predict.time =  cutoff, method="KM")
6
7plot(Mayo4.2$FP, Mayo4.2$TP, 
8    type="l",col="red",xlim=c(0,1), ylim=c(0,1),   
9    xlab=paste( "FP", "\n", "AUC = ",round(Mayo4.2$AUC,3)), 
10    ylab="TP",
11    main="Mayoscore 4, Method = KM \n Year = 1")
12abline(0,1,col="gray",lty=2)

image.png
  • 将两个ROC曲线绘制到一起

  • lines函数在原有基础上继续绘图

  • legend函数增加legend

  • 这样的基础绘图方式，代码比较复杂，而且并不是很美观

1## NNE法
2plot(Mayo4.1$FP, Mayo4.1$TP, ## x=FP,y=TP
3     type="l",col="red", ##线条设置
4     xlim=c(0,1), ylim=c(0,1),   
5     xlab=("FP"), ##连接
6     ylab="TP",
7     main="Time dependent ROC")## \n换行符
8abline(0,1,col="gray",lty=2)##线条颜色
9
10## KM法
11lines(Mayo4.2$FP, Mayo4.2$TP, type="l",col="green",xlim=c(0,1), ylim=c(0,1))
12legend(0.6,0.2,c(paste("AUC of NNE =",round(Mayo4.1$AUC,3)),
13                 paste("AUC of KM =",round(Mayo4.2$AUC,3))),
14                 x.intersp=1, y.intersp=0.8,
15                 lty= 1 ,lwd= 2,col=c("red","green"),
16                 bty = "n",# bty框的类型
17                 seg.len=1,cex=0.8)# 

image.png
  • ggsci颜色美化

1require(ggsci)
2library("scales")
3pal_nejm("default")(8)
4show_col(pal_nejm("default")(8))
5
6## NNE法
7plot(Mayo4.1$FP, Mayo4.1$TP, ## x=FP,y=TP
8     type="l",col="#BC3C29FF", ##线条设置
9     xlim=c(0,1), ylim=c(0,1),   
10     xlab=("FP"), ##连接
11     ylab="TP",
12     main="Time dependent ROC")## \n换行符
13abline(0,1,col="gray",lty=2)##线条颜色
14
15## KM法
16lines(Mayo4.2$FP, Mayo4.2$TP, type="l",col="#0072B5FF",xlim=c(0,1), ylim=c(0,1))
17legend(0.6,0.2,c(paste("AUC of NNE =",round(Mayo4.1$AUC,3)),
18                 paste("AUC of KM =",round(Mayo4.2$AUC,3))),
19                 x.intersp=1, y.intersp=0.8,
20                 lty= 1 ,lwd= 2,col=c("#BC3C29FF","#0072B5FF"),
21                 bty = "n",# bty框的类型
22                 seg.len=1,cex=0.8)# 

image.png

很显然这样的配色让图上了一个档次。

赞 (0)

相关推荐