R中survMisc、survminer包趋势log rank检验变量类型结果差异咨询

核心结论 #

开展有序分类变量的趋势Log Rank检验时，优先使用明确指定了levels顺序的有序因子作为分组变量，仅在数值型分组的编码完全符合你假设的趋势得分逻辑时可直接使用数值型变量。 #

差异产生的底层原因 #

趋势Log Rank检验的本质是检验生存风险随分组有序得分的线性变化趋势，survminer的ggsurvplot的test.for.trend参数底层调用survMisc::comp实现计算，不同变量类型的得分规则完全不同：

• 数值型变量：直接以变量的实际数值作为分组得分参与计算
• 字符型变量：默认按照字符的字典序排序后，依次分配1、2、…、n的得分
• 有序因子：完全按照你手动指定的levels顺序依次分配1、2、…、n的得分
• 反向顺序的有序因子：得分顺序也会对应反向，会直接改变趋势检验的统计量方向和p值

你碰到的p值差异正是不同变量类型的得分规则不一致导致的。 #

选择有序因子的原因 #

1. 无歧义，可控性强
   手动指定有序因子的levels顺序，可以完全匹配研究假设的分组递进方向（比如肿瘤分期1→4期代表病情逐渐加重），完全避免字符型变量默认字典序和实际顺序不符、数值型编码不符合业务逻辑的问题。
2. 符合方法学设计
   多数有序分类变量（比如肿瘤分期、病理分级）只有顺序意义，不存在等距的数值含义，默认给各组分配1、2、…、n的等距得分是趋势检验的标准做法。如果直接使用非等距编码的数值型变量，反而会引入不符合实际的得分权重，导致结果偏差。

示例代码结果说明 #

library(survminer)
data("larynx", package="KMsurv")

larynx.table=larynx
larynx.table$stage.cat=as.character(larynx.table$stage)
larynx.table$stage.fact=factor(larynx.table$stage.cat,levels=c("1","2","3","4"))
larynx.table$stage.fact.inv=factor(larynx.table$stage.cat,levels=c("4","3","2","1"))

fit1<- survfit(Surv(time, delta) ~ stage, data = larynx.table)
fit2<- survfit(Surv(time, delta) ~ stage.cat, data = larynx.table)
fit3<- survfit(Surv(time, delta) ~ stage.fact, data = larynx.table)
fit4<- survfit(Surv(time, delta) ~ stage.fact.inv, data = larynx.table)

SA=ggsurvplot(fit1, data = larynx.table, pval = TRUE,test.for.trend = TRUE)
SB=ggsurvplot(fit2, data = larynx.table, pval = TRUE,test.for.trend = TRUE)
SD=ggsurvplot(fit3, data = larynx.table, pval = TRUE,test.for.trend = TRUE)
SE=ggsurvplot(fit4, data = larynx.table, pval = TRUE,test.for.trend = TRUE)

arrange_ggsurvplots(list(SA,SB,SD,SE),ncol=2,nrow=2)

你示例中的4组结果差异完全符合得分规则：

• 若stage的数值编码1-4刚好对应分期加重的顺序，fit1（数值型）和fit3（正序有序因子）的趋势p值一致
• fit4为反序有序因子，得分反向，趋势p值与fit3存在差异
• 如果分组名称不是连续数字（比如分期命名为"I","II","III","IV"），字符型变量stage.cat的默认字典序会出现错乱，fit2的结果会完全错误

最佳实践建议 #

• 开展趋势检验前，必须先将有序分类变量转换为手动指定levels顺序的有序因子，levels顺序要和你假设的风险变化方向完全匹配
• 不要直接使用字符型变量作为趋势检验的分组变量
• 仅当数值型分组的编码本身就是你要的趋势得分（比如分组是随访次数1、2、3、4，得分就是随访次数本身）时，可直接使用数值型变量

内容的提问来源于stack exchange，提问作者Kirilovsky Amos