ROC

1.SurvivalROC包绘制时间依赖的ROC曲线

• 含有删失数据的生存数据
• 使用survivalROC包
• 包括Kaplan-Meier (KM) or Nearest Neighbor Estimation (NNE) 两种方法

假设我们有删失的生存数据与基线marker值，我们希望看到marker如何预测数据集中的受试者的存活时间。特别是，假设我们有几天的生存时间，我们想看看标记如何预测一年的存活（predict.time=365）。该功能roc.km.calc()返回感兴趣的时间点的唯一标记值、TP（真阳性）、FP（假阳性）、对应于感兴趣时间点(predict.time)和AUC(ROC)曲线下面积的Kaplan-Meier生存估计。

• 返回值:
  • cut.values:由于计算TP和FP的marker值
  • TP: 根据cutoff 判断的TRUE postive 真阳性
  • FP: 根据cutoff判断的假阳性
  • predict.time: 感兴趣的时间截点：可以为5年，3年等等
  • Survival: kaplan-Meier法的预估生存时间
  • AUC: Area under ROC，在时间截点的曲线下面积
• 实际代码演示

Sys.setlocale('LC_ALL','C')

## [1] "C"

library(survivalROC)
data(mayo)
head(mayo)

##   time censor mayoscore5 mayoscore4
## 1   41      1  11.251850  10.629450
## 2  179      1  10.136070  10.185220
## 3  334      1  10.095740   9.422995
## 4  400      1  10.189150   9.567799
## 5  130      1   9.770148   9.039419
## 6  223      1   9.226429   9.033388

nobs <- NROW(mayo)
cutoff <- 365

• MAYOSCORE 4作为marker, NNE法计算
  • marker value可以为表达值，免疫分数，检验参数等任何可以定义为数值的指标
  • Mayo4.1得到的是列表，其内容是每一个marker的cutoff值都计算出相应的TP,FP
  • TP,FP绘图即得到ROC，ROC曲线下面积即AUC

## MAYOSCORE 4, METHOD = NNE
Mayo4.1= survivalROC(Stime=mayo$time,##生存时间
                     status=mayo$censor,## 终止事件    
                     marker = mayo$mayoscore4, ## marker value    
                     predict.time = cutoff,## 预测时间截点
                     span = 0.25*nobs^(-0.20))##span,NNE法的namda
str(Mayo4.1)## list结构

## List of 6
##  $ cut.values  : num [1:313] -Inf 4.58 4.9 4.93 4.93 ...
##  $ TP          : num [1:313] 1 0.997 0.995 0.993 0.99 ...
##  $ FP          : num [1:313] 1 0.997 0.994 0.99 0.987 ...
##  $ predict.time: num 365
##  $ Survival    : num 0.929
##  $ AUC         : num 0.931

## 绘图
plot(Mayo4.1$FP, Mayo4.1$TP, ## x=FP,y=TP
     type="l",col="red", ##线条设置
     xlim=c(0,1), ylim=c(0,1),   
     xlab=paste( "FP", "\n", "AUC = ",round(Mayo4.1$AUC,3)), ##连接
     ylab="TP",
     main="Mayoscore 4, Method = NNE \n  Year = 1")## \n换行符
abline(0,1,col="gray",lty=2)##线条颜色

• MAYOSCORE 4作为marker, KM法计算

## MAYOSCORE 4, METHOD = KM
Mayo4.2= survivalROC(Stime=mayo$time,  
    status=mayo$censor,      
    marker = mayo$mayoscore4,     
    predict.time =  cutoff, method="KM")

plot(Mayo4.2$FP, Mayo4.2$TP, 
    type="l",col="red",xlim=c(0,1), ylim=c(0,1),   
    xlab=paste( "FP", "\n", "AUC = ",round(Mayo4.2$AUC,3)), 
    ylab="TP",
    main="Mayoscore 4, Method = KM \n Year = 1")
abline(0,1,col="gray",lty=2)

• 将两个ROC曲线绘制到一起
  • lines函数在原有基础上继续绘图
  • legend函数增加legend
  • 这样的基础绘图方式，代码比较复杂，而且并不是很美观

## NNE法
plot(Mayo4.1$FP, Mayo4.1$TP, ## x=FP,y=TP
     type="l",col="red", ##线条设置
     xlim=c(0,1), ylim=c(0,1),   
     xlab=("FP"), ##连接
     ylab="TP",
     main="Time dependent ROC")## \n换行符
abline(0,1,col="gray",lty=2)##线条颜色

## KM法
lines(Mayo4.2$FP, Mayo4.2$TP, type="l",col="green",xlim=c(0,1), ylim=c(0,1))
legend(0.6,0.2,c(paste("AUC of NNE =",round(Mayo4.1$AUC,3)),
                 paste("AUC of KM =",round(Mayo4.2$AUC,3))),
                 x.intersp=1, y.intersp=0.8,
                 lty= 1 ,lwd= 2,col=c("red","green"),
                 bty = "n",# bty框的类型
                 seg.len=1,cex=0.8)# 

• ggsci颜色美化

require(ggsci)

## Loading required package: ggsci

library("scales")
pal_nejm("default")(8)

## [1] "#BC3C29FF" "#0072B5FF" "#E18727FF" "#20854EFF" "#7876B1FF" "#6F99ADFF"
## [7] "#FFDC91FF" "#EE4C97FF"

show_col(pal_nejm("default")(8))

## NNE法
plot(Mayo4.1$FP, Mayo4.1$TP, ## x=FP,y=TP
     type="l",col="#BC3C29FF", ##线条设置
     xlim=c(0,1), ylim=c(0,1),   
     xlab=("FP"), ##连接
     ylab="TP",
     main="Time dependent ROC")## \n换行符
abline(0,1,col="gray",lty=2)##线条颜色

## KM法
lines(Mayo4.2$FP, Mayo4.2$TP, type="l",col="#0072B5FF",xlim=c(0,1), ylim=c(0,1))
legend(0.6,0.2,c(paste("AUC of NNE =",round(Mayo4.1$AUC,3)),
                 paste("AUC of KM =",round(Mayo4.2$AUC,3))),
                 x.intersp=1, y.intersp=0.8,
                 lty= 1 ,lwd= 2,col=c("#BC3C29FF","#0072B5FF"),
                 bty = "n",# bty框的类型
                 seg.len=1,cex=0.8)# 

• 很显然这样的配色让图上了一个档次