如何在R语言中为Cox回归模型的二分类变量计算RMST？

RMST即Kaplan-Meier曲线下面积，它的核心优势是无需依赖Cox回归的比例风险(PH)假设。已有研究证实：当满足比例风险假设时，RMST检测组间差异的能力与Cox回归相当；而当比例风险假设不成立时，RMST的表现要优于Cox回归。

1. 安装并加载必备R包 #

我们需要用到基础生存分析包survival，以及专门用于RMST计算的survRM2包：

# 首次运行时安装包
install.packages(c("survival", "survRM2"))

# 加载包
library(survival)
library(survRM2)

2. 准备生存数据 #

以R内置的lung数据集为例，我们将sex作为二分类分组变量，time为生存时间，status为结局事件（转换为0=截尾，1=事件发生）：

# 加载内置数据集
data(lung)

# 标准化结局变量：将原status的2（死亡）转为1，1（截尾）转为0
lung$status <- ifelse(lung$status == 2, 1, 0)

3. 计算RMST并做组间比较 #

使用rmst2函数计算指定随访时间点的RMST，并进行组间差异的统计检验：

# 计算随访365天的RMST，检验两组差异
rmst_out <- rmst2(
  time = lung$time,
  status = lung$status,
  arm = lung$sex,
  tau = 365  # tau为指定的随访终点时间，可根据研究需求调整
)

# 查看完整结果
print(rmst_out)

结果解读 #

输出结果包含：

• 两组各自的RMST值、标准误
• 组间RMST差值的点估计、95%置信区间
• 组间差异的p值，用于判断统计学意义

内容的提问来源于stack exchange，提问作者Asha. B