风险和幸存者功能不同的基团
这个例子展示了如何估计和情节的累积风险和幸存者功能不同的基团。
步骤1。加载和组织样本数据。
加载示例数据。
负载(“readmissiontimes.mat”)
患者信息的数据已经重新接纳他们的性别、年龄、体重、吸烟状况、和审查。这是模拟数据。
创建一个矩阵每个性别的重新接纳时间和审查。
女= [ReadmissionTime(性= = 1),审查(性= = 1));男= [ReadmissionTime(性= = 0),审查(性= = 0)];
步骤2。估计和情节累积分布函数为每个性别。
情节kaplan meier累积分布函数的估计女性和男性病人。
图()ecdf (gca),女(:1),“审查”女(:2));持有在(f (x) = ecdf(男性(:1),“审查”男性(:2));楼梯(x, f,“——r”)举行从传奇(“女”,“男”,“位置”,“东南”)
步骤3。情节的幸存者的功能。
对女性和男性病人比较幸存者的功能。
图()ax₁甘氨胆酸=;ecdf (ax₁,女(:1),“审查”,女(:,2),“函数”,“幸存者”);持有在(f (x) = ecdf(男性(:1),“审查”,男(:,2),“函数”,“幸存者”);楼梯(x, f,“——r”)传说(“女”,“男”)
这个数字表明,重新接纳时间较短的男性患者比女性患者。
步骤4。功能符合威布尔的幸存者。
符合威布尔分布的男性和女性患者重新接纳倍。
pd = fitdist(女性(:1),“wbl”,“审查”女(:2))
pd = WeibullDistribution威布尔分布B = 12.5593 (10.749, 14.6745) = 1.99834 (1.56489, 2.55185)
pd2 = fitdist(男性(:1),“wbl”,“审查”,男(2):,)
pd2 = WeibullDistribution威布尔分布B = 4.63991 (3.91039, 5.50551) = 1.94422 (1.48496, 2.54552)
pd2 = fitdist(男性(:1),“wbl”,“审查”,男(2):,)
pd2 = WeibullDistribution威布尔分布B = 4.63991 (3.91039, 5.50551) = 1.94422 (1.48496, 2.54552)
情节女性和男性患者的幸存者威布尔函数估计幸存者的功能。
情节(0:1:25 1-cdf (“wbl”,0:1:25,12.5593,1.99834),“-”。)情节(0:1:25 1-cdf (“wbl”,0:1:25,4.63991,1.94422),“:r”)举行从传奇(“Festimated”,“Mestimated”,“FWeibull”,“MWeibull”)
威布尔分布提供了一个适合的数据。
第5步。估计累积风险和符合威布尔累积风险的功能。
估计的累积风险函数性别和符合威布尔累积风险的功能。
图()(f (x) = ecdf(女性(:1),“审查”,女(:,2),…“函数”,“cumhazard”);情节(x, f)在情节(x, cumsum (pdf (pd, x) / (1-cdf (pd, x))),“-”。)(f (x) = ecdf(男(:1),“审查”,男(:,2),…“函数”,“cumhazard”);情节(x, f,“——r”)情节(x, cumsum (pdf (pd2, x) / (1-cdf (pd2 x))),“:r”)传说(“Festimated”,“FWeibull”,“Mestimated”,“MWeibull”,…“位置”,“北”)
