tidycmprsk中cuminc与tbl_cuminc的Gray检验差异及正确用法咨询

为啥三种方法结果不一样？ #

其实是函数参数传递、事件定义和输出逻辑的差异导致的：

1. 第一种方法（cuminc() + tbl_cuminc() + add_p()） #

这段代码先计算累积发生率，再生成统计表格并添加检验结果。输出里的p-value=0.07就是针对「复发（status=1）」的Gray检验结果，和第三种方法里Relapse的p值完全匹配。tbl_cuminc()的add_p()默认只展示第一个非截尾事件的检验结果，所以你只看到一个p值；表格里的百分比则是各组在对应时间点的累积事件发生率（复发+死亡的综合概率）。

2. 第二种方法（cuminc()用ftime/fstatus/group参数） #

这方法存在明显问题——输出里居然出现了「Censored」的检验结果，这完全不符合Gray检验逻辑：Gray检验仅针对非截尾的竞争事件，截尾（status=0）根本不是需要检验的事件类型。这种参数调用方式导致函数错误地把截尾当成事件分析，所以该结果里的所有检验值都不可信，建议放弃这种写法。

3. 第三种方法（cuminc()用Surv对象+公式+cencode=0） #

这是最规范的调用方式：用Surv(time_to_event, status)明确生存数据结构，cencode=0指定截尾编码，函数会自动识别status中的1（复发）和2（死亡）为两个独立竞争事件。输出结果是每个事件单独的Gray检验结果：

• 复发：统计量4.31，自由度2，p=0.07，说明三组之间复发的累积发生率差异未达到统计学显著性（按α=0.05标准）。
• 死亡：统计量32.3，自由度2，p<0.001，说明三组之间死亡的累积发生率差异具有高度统计学显著性。

正确执行Gray检验的方式 #

直接使用第三种方法的代码即可，它能准确针对每个竞争事件输出可靠的检验结果，完全符合竞争风险分析的逻辑。

如果想在表格中同时展示各事件的累积发生率和对应检验结果，可以调整第一种方法的代码，让add_p()针对每个事件输出：

tidycmprsk::cuminc(Surv(time_to_event, status) ~ rh, data = surv_data, cencode=0) %>% 
  tidycmprsk::tbl_cuminc(
    times =  c(6, 12, 24), label_header = "**Month {time}**"
  ) %>% 
  add_p(test = "gray", group = TRUE) %>%  # 指定为每个事件做Gray检验
  add_n()

关键注意事项 #

• Gray检验是针对单个竞争事件的分析，必须分别解读每个事件的检验结果，不能笼统看待综合p值。
• 截尾编码（cencode）一定要正确指定，否则会导致事件识别错误，出现无效结果（比如第二种方法里的Censored检验）。

内容的提问来源于stack exchange，提问作者anso_s