Podsumowanie: porównywanie krzywych przeżycia
Z poprzedniego ćwiczenia wynika, że wyniki wydajności mają wpływ na prawdopodobieństwo przeżycia. Przyjrzyjmy się teraz krzywej przeżycia wszystkich osób, korzystając z estymatora Kaplana-Meiera, i porównajmy ją z krzywą modelu Coxa uwzględniającego zmienną performance. Pamiętaj, że w przypadku modeli Coxa możesz przekazać wynik funkcji survfit() bezpośrednio do ggsurvplot(), zamiast ręcznie tworzyć potrzebną ramkę danych i przekazywać ją do ggsurvplot_df().
To ćwiczenie jest częścią kursu
Analiza przeżycia w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Compute Kaplan-Meier curve
km <- ___(___ ~ ___, data = ___)
# Compute Cox model
cxmod <- ___(___, data = ___)