R语言 survcomp包 iauc.comp()函数中文帮助文档(中英文对照)

loveR

iauc.comp(survcomp)
iauc.comp()所属R语言包：survcomp

                                         Function to compare two IAUCs through time-dependent ROC curves
                                         功能比较两个时间依赖的ROC曲线IAUCs

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function compares two integrated areas under the curves (IAUC) through the results of time-dependent ROC curves at some points in time. The statistical test is a Wilcoxon rank sum test for dependent samples.
这个功能比较下曲线（IAUC）两个集成领域，通过在一些时间点的时间依赖性中华民国曲线的结果。统计测试是为相依样本Wilcoxon秩和检验。


用法----------Usage----------


iauc.comp(auc1, auc2, time)



参数----------Arguments----------

参数：auc1
vector of AUCs computed from the first time-dependent ROC curves for some points in time  
在一些时间点，从第一时间依赖的ROC曲线计算腰围向量


参数：auc2
vector of AUCs computed from the second time-dependent ROC curves for some points in time  
在一些时间点，从第二个时间依赖的ROC曲线计算腰围向量


参数：time
vector of points in time for which the AUCs are computed  
点的矢量时间计算的AUC


Details

详情----------Details----------

The two vectors of AUCs must be computed from the same samples (and corresponding survival data) and for the same points in time. The function uses a Wilcoxon rank sum test for dependent samples.
必须计算两个向量的腰围从同一样品（以及相应的生存数据）和时间相同点。该功能使用了相依样本Wilcoxon秩和检验。


值----------Value----------


参数：p.value
p-value from the Wilcoxon rank sum test for the comparison iauc1 > iauc2
p值Wilcoxon秩和检验比较iauc1> iauc2


参数：iauc1
value of the IAUC for the first set of time-depdent ROC curves
第一组的时间depdent的ROC曲线IAUC价值


参数：iauc2
value of the IAUC for the second set of time-depdent ROC curves
第二组的时间depdent的ROC曲线IAUC价值


作者（S）----------Author(s)----------


Benjamin Haibe-Kains



参考文献----------References----------


<h3>See Also</h3>

举例----------Examples----------


set.seed(12345)
age <- rnorm(30, 50, 10)
size <- rexp(30,1)
stime <- rexp(30)
cens <- runif(30,.5,2)
sevent <- as.numeric(stime <= cens)
stime <- pmin(stime, cens)
##time-dependent ROC curves[＃随时间变化的ROC曲线]
tt <- unique(sort(stime[sevent == 1]))
##size[＃大小]
mytdroc1 <- NULL
for(i in 1:length(tt)) {
        rr <- tdrocc(x=size, surv.time=stime, surv.event=sevent, time=tt[i],
    na.rm=TRUE, verbose=FALSE)
        mytdroc1 <- c(mytdroc1, list(rr))
}
auc1 <- unlist(lapply(mytdroc1, function(x) { return(x$AUC) }))
##age[＃年龄]
mytdroc2 <- NULL
for(i in 1:length(tt)) {
        rr <- tdrocc(x=age, surv.time=stime, surv.event=sevent, time=tt[i],
    na.rm=TRUE, verbose=FALSE)
        mytdroc2 <- c(mytdroc2, list(rr))
}
auc2 <- unlist(lapply(mytdroc2, function(x) { return(x$AUC) }))
iauc.comp(auc1=auc1, auc2=auc2, time=tt)

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。