require(survival)
require(survminer)
require(ggplot2)
require(scales)
require(dplyr)

1. Dataset “aml”

Supervivencia en pacientes con leucemia mielógena aguda. La pregunta en ese momento era si el curso estándar de quimioterapia debería extenderse (‘mantenimiento’) por ciclos adicionales. Se tomo en total a una población de 23 personal con la variable del tiempo en horas y el la columna de estado donde 0 representaba que habia censura y uno que habia falla es decir que se debia extender la quimioterapia

Se usaron 5 modelos fueron:

data("aml")

km_model<-surv_fit(Surv(time, status)~1,aml)

A<-ggplot()+
  geom_point(aes(log(km_model$surv),km_model$time))+
  labs(x=expression(hat(S)(t)),y="y",
       title="Exponential diagnosis",
       subtitle = "Straight line with negative slope expected")+
  theme(plot.subtitle = element_text(family = "serif"),
        plot.caption = element_text(family="mono"),
        axis.line = element_line(size = 0.5,
                                 linetype = "solid")
  )

B<-ggplot()+
  geom_point(aes(log(-log(km_model$surv)),log(km_model$time)))+
  labs(x=expression(hat(S)(t)),y="y",
       title="Weibull diagnosis",
       subtitle = "Straight line with positive slope expected")+
  theme(plot.subtitle = element_text(family = "serif"),
        plot.caption = element_text(family="mono"),
        axis.line = element_line(size = 0.5,
                                 linetype = "solid")
  )

C<-ggplot()+
  geom_point(aes(qnorm(1-km_model$surv),log(km_model$time)))+
  labs(x=expression(hat(S)(t)),y="y",
       title="Log Normal diagnosis",
       subtitle = "Straight line with positive slope expected")+
  theme(plot.subtitle = element_text(family = "serif"),
        plot.caption = element_text(family="mono"),
        axis.line = element_line(size = 0.5,
                                 linetype = "solid")
  )

D<-ggplot()+
  geom_point(aes(log(-log(km_model$surv))+1,km_model$time))+
  labs(x=expression(hat(S)(t)),y="y",
       title="Gompertz diagnosis",
       subtitle = "Straight line with positive slope expected")+
  theme(plot.subtitle = element_text(family = "serif"),
        plot.caption = element_text(family="mono"),
        axis.line = element_line(size = 0.5,
                                 linetype = "solid")
  )

E<-ggplot()+
  geom_point(aes(1/(km_model$surv),km_model$time))+
  labs(x=expression(hat(S)(t)),y="y",
       title="Log Logistic diagnosis",
       subtitle = "Straight line with positive slope expected")+
  theme(plot.subtitle = element_text(family = "serif"),
        plot.caption = element_text(family="mono"),
        axis.line = element_line(size = 0.5,
                                 linetype = "solid")
  )

ggarrange(A,C,B,D,E,
          ncol = 2, nrow = 3)

2. Dataset “cancer”

Supervivencia en pacientes con cáncer pulmonar avanzado del Grupo de Tratamiento del Cáncer del Norte Central. Los puntajes de rendimiento evalúan qué tan bien el paciente puede realizar las actividades diarias habituales.

data("cancer")
km_model<-surv_fit(Surv(time, status)~1,cancer)

Se usó el mismo código que del dataset 1 para ver de igual manera la comparación de los modelos con su curva correpondiente.

##3. Dataset “ovarian”

Supervivencia en un ensayo aleatorio que compara dos tratamientos para el cáncer de ovario. Se tomo en cuenta una población total de 23 personas donde se tomaron como variables el estado de censura y el tiempo de supervivencia.

data("ovarian")
km_model<-surv_fit(Surv(futime, fustat)~1,ovarian)

De igual manera, en este Dataset se usó el primer código para el ajuste de los 5 modelos.