如何对R中的生存数据执行Wilcoxon符号秩检验？

假设您有以下生存数据：

obs <- data.frame(
  time = c(floor(runif(100) * 30), floor((runif(100)^2) * 30)),
  status = c(rbinom(100, 1, 0.2), rbinom(100, 1, 0.7)),
  group = gl(2,100)
  )

要执行标准的日志等级测试，可以使用

survdiff(Surv(time, status) ~ group, data = obs, rho = 0)

对？

但是其他测试呢？您如何执行Wilcoxon签名秩检验，Peto检验或Fleming-Harrington检验？

R提供了执行Wilcoxon测试的可能性，但是我没有找到如何让它考虑审查的方法。

此外，文档指出，设置rho = 1将使测试成为“ Gehan-Wilcoxon测试的Peto和Peto修改”。但这是否与Peto测试相同？

（您可能应该引用命名约定的来源，并详细解释为什么提出这个问题。如果是这种情况，试图与SAS或SPSS的文档相匹配，我们可能会遇到跨文化的困难。）

对于有关如何获得“ Peto测试”的特定问题的快速解答是使用rho = 1，但这只是一个近似值。参照克莱因和莫斯伯格的《生存分析》第7章的一样本和两样本部分，我们读到Peto-Peto版本和Gehan版本都是Mann-Whitney Wilcoxon的两样本（经审查）版本两样本测试，但是使用了不同版本的生存函数估计量。没有单一的“ Fleming-Harrington测验”，因为该术语指的是一系列测验，这些测验在指定的值下降低为对数秩和Wilcoxon型测验rho。（R / S surv.diff函数将Fleming-Harrington系列的q参数固定为0，并且仅更改其命名为rho的p参数。）

一个元问题是，您是否应该专注于名称而不是数学实质？在Fleming-Harrington族中选择p = rho = 0（q固定为0）在整个时间范围内均对（OE）或跨组差异进行加权，而Gehan-Wilcoxon和Peto-Peto检验均对早期加权。死亡更加强烈。我的观点（作为医生）是明智的，在典型情况下权衡考虑因素的早期差异更可能是概率，但可以想象可以捍卫其他选择的特定情况。

要回答有关如何在R中计算该值的问题，可以使用包中的comp()函数survMisc。例：

> library(survMisc)
> fit = survfit(Surv(time, status) ~ x, data = aml)
> comp(fit)$tests$lrTests
                              ChiSq df      p
Log-rank                       3.40  1 0.0653
Gehan-Breslow (mod~ Wilcoxon)  2.72  1 0.0989
Tarone-Ware                    2.98  1 0.0842
Peto-Peto                      2.71  1 0.0998
Mod~ Peto-Peto (Andersen)      2.64  1 0.1042
Flem~-Harr~ with p=1, q=1      1.45  1 0.2281

要选择Fleming-Harrington检验的参数（如最后一行所示），请使用FHp和FHq参数。例如，

> comp(fit, FHp=0, FHq=0)$tests$lrTests
[…]
Flem~-Harr~ with p=0, q=0      3.40  1 0.0653

为您提供常规的对数秩检验（也在第一个示例的第一行中显示）。