CRAN Package Check Results for Package OIsurv

Last updated on 2018-08-13 15:51:20 CEST.

Check Details

Version: 0.2
Check: dependencies in R code
Result: NOTE
    Package in Depends field not imported from: ‘KMsurv’
     These packages need to be imported from (in the NAMESPACE file)
     for when this namespace is loaded but not attached.
Flavors: r-devel-linux-x86_64-debian-clang, r-devel-linux-x86_64-debian-gcc, r-devel-linux-x86_64-fedora-clang, r-devel-linux-x86_64-fedora-gcc, r-devel-windows-ix86+x86_64, r-patched-linux-x86_64, r-patched-solaris-x86, r-release-linux-x86_64, r-release-windows-ix86+x86_64, r-release-osx-x86_64, r-oldrel-windows-ix86+x86_64, r-oldrel-osx-x86_64

Version: 0.2
Check: examples
Result: ERROR
    Running examples in ‘OIsurv-Ex.R’ failed
    The error most likely occurred in:
    
    > base::assign(".ptime", proc.time(), pos = "CheckExEnv")
    > ### Name: OIsurv-package
    > ### Title: Survival analysis tutorial, a supplement to the OpenIntro guide
    > ### Aliases: OIsurv-package OIsurv
    >
    > ### ** Examples
    >
    > #=====> 2. Three packages: survival, OIsurv, and KMsurv <=====#
    > # install.packages("OIsurv")
    > # library(OIsurv)
    > data(aids)
    > aids
     infect induct adult
    1 0.00 5.00 1
    2 0.25 6.75 1
    3 0.75 5.00 1
    4 0.75 5.00 1
    5 0.75 7.25 1
    6 1.00 4.25 1
    7 1.00 5.75 1
    8 1.00 6.25 1
    9 1.00 6.50 1
    10 1.25 4.00 1
    11 1.25 4.25 1
    12 1.25 4.75 1
    13 1.25 5.75 1
    14 1.50 2.75 1
    15 1.50 3.75 1
    16 1.50 5.00 1
    17 1.50 5.50 1
    18 1.50 6.50 1
    19 1.75 2.75 1
    20 1.75 3.00 1
    21 1.75 5.25 1
    22 1.75 5.25 1
    23 2.00 2.25 1
    24 2.00 3.00 1
    25 2.00 4.00 1
    26 2.00 4.50 1
    27 2.00 4.75 1
    28 2.00 5.00 1
    29 2.00 5.25 1
    30 2.00 5.25 1
    31 2.00 5.50 1
    32 2.00 5.50 1
    33 2.00 6.00 1
    34 2.25 3.00 1
    35 2.25 5.50 1
    36 2.50 2.25 1
    37 2.50 2.25 1
    38 2.50 2.25 1
    39 2.50 2.25 1
    40 2.50 2.50 1
    41 2.50 2.75 1
    42 2.50 3.00 1
    43 2.50 3.25 1
    44 2.50 3.25 1
    45 2.50 4.00 1
    46 2.50 4.00 1
    47 2.50 4.00 1
    48 2.75 1.25 1
    49 2.75 1.50 1
    50 2.75 2.50 1
    51 2.75 3.00 1
    52 2.75 3.00 1
    53 2.75 3.25 1
    54 2.75 3.75 1
    55 2.75 4.50 1
    56 2.75 4.50 1
    57 2.75 5.00 1
    58 2.75 5.00 1
    59 2.75 5.25 1
    60 2.75 5.25 1
    61 2.75 5.25 1
    62 2.75 5.25 1
    63 2.75 5.25 1
    64 3.00 2.00 1
    65 3.00 3.25 1
    66 3.00 3.50 1
    67 3.00 3.75 1
    68 3.00 4.00 1
    69 3.00 4.00 1
    70 3.00 4.25 1
    71 3.00 4.25 1
    72 3.00 4.25 1
    73 3.00 4.75 1
    74 3.00 4.75 1
    75 3.00 4.75 1
    76 3.00 5.00 1
    77 3.25 1.25 1
    78 3.25 1.75 1
    79 3.25 2.00 1
    80 3.25 2.00 1
    81 3.25 2.75 1
    82 3.25 3.00 1
    83 3.25 3.00 1
    84 3.25 3.50 1
    85 3.25 3.50 1
    86 3.25 4.25 1
    87 3.25 4.50 1
    88 3.50 1.25 1
    89 3.50 2.25 1
    90 3.50 2.25 1
    91 3.50 2.50 1
    92 3.50 2.75 1
    93 3.50 2.75 1
    94 3.50 3.00 1
    95 3.50 3.25 1
    96 3.50 3.50 1
    97 3.50 3.50 1
    98 3.50 4.00 1
    99 3.50 4.00 1
    100 3.50 4.25 1
    101 3.50 4.50 1
    102 3.50 4.50 1
    103 3.75 1.25 1
    104 3.75 1.75 1
    105 3.75 1.75 1
    106 3.75 2.00 1
    107 3.75 2.75 1
    108 3.75 3.00 1
    109 3.75 3.00 1
    110 3.75 3.00 1
    111 3.75 4.00 1
    112 3.75 4.25 1
    113 3.75 4.25 1
    114 4.00 1.00 1
    115 4.00 1.50 1
    116 4.00 1.50 1
    117 4.00 2.00 1
    118 4.00 2.25 1
    119 4.00 2.75 1
    120 4.00 3.50 1
    121 4.00 3.75 1
    122 4.00 3.75 1
    123 4.00 4.00 1
    124 4.25 1.25 1
    125 4.25 1.50 1
    126 4.25 1.50 1
    127 4.25 2.00 1
    128 4.25 2.00 1
    129 4.25 2.00 1
    130 4.25 2.25 1
    131 4.25 2.50 1
    132 4.25 2.50 1
    133 4.25 2.50 1
    134 4.25 3.00 1
    135 4.25 3.50 1
    136 4.25 3.50 1
    137 4.50 1.00 1
    138 4.50 1.50 1
    139 4.50 1.50 1
    140 4.50 1.50 1
    141 4.50 1.75 1
    142 4.50 2.25 1
    143 4.50 2.25 1
    144 4.50 2.50 1
    145 4.50 2.50 1
    146 4.50 2.50 1
    147 4.50 2.50 1
    148 4.50 2.75 1
    149 4.50 2.75 1
    150 4.50 2.75 1
    151 4.50 2.75 1
    152 4.50 3.00 1
    153 4.50 3.00 1
    154 4.50 3.00 1
    155 4.50 3.25 1
    156 4.50 3.25 1
    157 4.75 1.00 1
    158 4.75 1.50 1
    159 4.75 1.50 1
    160 4.75 1.50 1
    161 4.75 1.75 1
    162 4.75 1.75 1
    163 4.75 2.00 1
    164 4.75 2.25 1
    165 4.75 2.75 1
    166 4.75 3.00 1
    167 4.75 3.00 1
    168 4.75 3.25 1
    169 4.75 3.25 1
    170 4.75 3.25 1
    171 4.75 3.25 1
    172 4.75 3.25 1
    173 4.75 3.25 1
    174 5.00 0.50 1
    175 5.00 1.50 1
    176 5.00 1.50 1
    177 5.00 1.75 1
    178 5.00 2.00 1
    179 5.00 2.25 1
    180 5.00 2.25 1
    181 5.00 2.25 1
    182 5.00 2.50 1
    183 5.00 2.50 1
    184 5.00 3.00 1
    185 5.00 3.00 1
    186 5.00 3.00 1
    187 5.25 0.25 1
    188 5.25 0.25 1
    189 5.25 0.75 1
    190 5.25 0.75 1
    191 5.25 0.75 1
    192 5.25 1.00 1
    193 5.25 1.00 1
    194 5.25 1.25 1
    195 5.25 1.25 1
    196 5.25 1.50 1
    197 5.25 1.50 1
    198 5.25 1.50 1
    199 5.25 1.50 1
    200 5.25 2.25 1
    201 5.25 2.25 1
    202 5.25 2.50 1
    203 5.25 2.50 1
    204 5.25 2.75 1
    205 5.50 1.00 1
    206 5.50 1.00 1
    207 5.50 1.00 1
    208 5.50 1.25 1
    209 5.50 1.25 1
    210 5.50 1.75 1
    211 5.50 2.00 1
    212 5.50 2.25 1
    213 5.50 2.25 1
    214 5.50 2.50 1
    215 5.75 0.25 1
    216 5.75 0.25 1
    217 5.75 0.75 1
    218 5.75 1.00 1
    219 5.75 1.50 1
    220 5.75 1.50 1
    221 5.75 1.50 1
    222 5.75 2.00 1
    223 5.75 2.00 1
    224 5.75 2.25 1
    225 6.00 0.50 1
    226 6.00 0.75 1
    227 6.00 0.75 1
    228 6.00 0.75 1
    229 6.00 1.00 1
    230 6.00 1.00 1
    231 6.00 1.00 1
    232 6.00 1.25 1
    233 6.00 1.25 1
    234 6.00 1.50 1
    235 6.00 1.50 1
    236 6.00 1.75 1
    237 6.00 1.75 1
    238 6.00 1.75 1
    239 6.00 2.00 1
    240 6.25 0.75 1
    241 6.25 1.00 1
    242 6.25 1.25 1
    243 6.25 1.75 1
    244 6.25 1.75 1
    245 6.50 0.25 1
    246 6.50 0.25 1
    247 6.50 0.75 1
    248 6.50 1.00 1
    249 6.50 1.25 1
    250 6.50 1.50 1
    251 6.75 0.75 1
    252 6.75 0.75 1
    253 6.75 1.00 1
    254 6.75 1.25 1
    255 6.75 1.25 1
    256 6.75 1.25 1
    257 7.00 0.75 1
    258 7.25 0.25 1
    259 1.00 5.50 0
    260 1.50 2.25 0
    261 2.25 3.00 0
    262 2.75 1.00 0
    263 3.00 1.75 0
    264 3.50 0.75 0
    265 3.75 0.75 0
    266 3.75 1.00 0
    267 3.75 2.75 0
    268 3.75 3.00 0
    269 3.75 3.50 0
    270 3.75 4.25 0
    271 4.00 1.00 0
    272 4.25 1.75 0
    273 4.50 3.25 0
    274 4.75 1.00 0
    275 4.75 2.25 0
    276 5.00 0.50 0
    277 5.00 0.75 0
    278 5.00 1.50 0
    279 5.00 2.50 0
    280 5.25 0.25 0
    281 5.25 1.00 0
    282 5.25 1.50 0
    283 5.50 0.50 0
    284 5.50 1.50 0
    285 5.50 2.50 0
    286 5.75 1.75 0
    287 6.00 0.50 0
    288 6.00 1.25 0
    289 6.25 0.50 0
    290 6.25 1.25 0
    291 6.50 0.75 0
    292 6.75 0.50 0
    293 6.75 0.75 0
    294 7.00 0.75 0
    295 7.25 0.25 0
    > attach(aids)
    > infect
     [1] 0.00 0.25 0.75 0.75 0.75 1.00 1.00 1.00 1.00 1.25 1.25 1.25 1.25 1.50 1.50
     [16] 1.50 1.50 1.50 1.75 1.75 1.75 1.75 2.00 2.00 2.00 2.00 2.00 2.00 2.00 2.00
     [31] 2.00 2.00 2.00 2.25 2.25 2.50 2.50 2.50 2.50 2.50 2.50 2.50 2.50 2.50 2.50
     [46] 2.50 2.50 2.75 2.75 2.75 2.75 2.75 2.75 2.75 2.75 2.75 2.75 2.75 2.75 2.75
     [61] 2.75 2.75 2.75 3.00 3.00 3.00 3.00 3.00 3.00 3.00 3.00 3.00 3.00 3.00 3.00
     [76] 3.00 3.25 3.25 3.25 3.25 3.25 3.25 3.25 3.25 3.25 3.25 3.25 3.50 3.50 3.50
     [91] 3.50 3.50 3.50 3.50 3.50 3.50 3.50 3.50 3.50 3.50 3.50 3.50 3.75 3.75 3.75
    [106] 3.75 3.75 3.75 3.75 3.75 3.75 3.75 3.75 4.00 4.00 4.00 4.00 4.00 4.00 4.00
    [121] 4.00 4.00 4.00 4.25 4.25 4.25 4.25 4.25 4.25 4.25 4.25 4.25 4.25 4.25 4.25
    [136] 4.25 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50
    [151] 4.50 4.50 4.50 4.50 4.50 4.50 4.75 4.75 4.75 4.75 4.75 4.75 4.75 4.75 4.75
    [166] 4.75 4.75 4.75 4.75 4.75 4.75 4.75 4.75 5.00 5.00 5.00 5.00 5.00 5.00 5.00
    [181] 5.00 5.00 5.00 5.00 5.00 5.00 5.25 5.25 5.25 5.25 5.25 5.25 5.25 5.25 5.25
    [196] 5.25 5.25 5.25 5.25 5.25 5.25 5.25 5.25 5.25 5.50 5.50 5.50 5.50 5.50 5.50
    [211] 5.50 5.50 5.50 5.50 5.75 5.75 5.75 5.75 5.75 5.75 5.75 5.75 5.75 5.75 6.00
    [226] 6.00 6.00 6.00 6.00 6.00 6.00 6.00 6.00 6.00 6.00 6.00 6.00 6.00 6.00 6.25
    [241] 6.25 6.25 6.25 6.25 6.50 6.50 6.50 6.50 6.50 6.50 6.75 6.75 6.75 6.75 6.75
    [256] 6.75 7.00 7.25 1.00 1.50 2.25 2.75 3.00 3.50 3.75 3.75 3.75 3.75 3.75 3.75
    [271] 4.00 4.25 4.50 4.75 4.75 5.00 5.00 5.00 5.00 5.25 5.25 5.25 5.50 5.50 5.50
    [286] 5.75 6.00 6.00 6.25 6.25 6.50 6.75 6.75 7.00 7.25
    > detach(aids)
    >
    >
    > #=====> 3. Survival objects <=====#
    > data(tongue)
    > attach(tongue)
    > mySurvObject <- Surv(time, delta)
    > mySurvObject
     [1] 1 3 3 4 10 13 13 16 16 24 26 27 28 30 30
    [16] 32 41 51 65 67 70 72 73 77 91 93 96 100 104 157
    [31] 167 61+ 74+ 79+ 80+ 81+ 87+ 87+ 88+ 89+ 93+ 97+ 101+ 104+ 108+
    [46] 109+ 120+ 131+ 150+ 231+ 240+ 400+ 1 3 4 5 5 8 12 13
    [61] 18 23 26 27 30 42 56 62 69 104 104 112 129 181 8+
    [76] 67+ 76+ 104+ 176+ 231+
    > detach(tongue)
    >
    > # Surv(time, event, type="left")
    >
    > # Surv(t1, t2, event)
    >
    >
    > #=====> 4. Kaplan-Meier estimate and pointwise bounds <=====#
    > data(tongue)
    > attach(tongue)
    > mySurv <- Surv(time[type==1], delta[type==1])
    > (myFit <- survfit(mySurv ~ 1))
    Call: survfit(formula = mySurv ~ 1)
    
     n events median 0.95LCL 0.95UCL
     52 31 93 67 NA
    > summary(myFit)
    Call: survfit(formula = mySurv ~ 1)
    
     time n.risk n.event survival std.err lower 95% CI upper 95% CI
     1 52 1 0.981 0.0190 0.944 1.000
     3 51 2 0.942 0.0323 0.881 1.000
     4 49 1 0.923 0.0370 0.853 0.998
     10 48 1 0.904 0.0409 0.827 0.988
     13 47 2 0.865 0.0473 0.777 0.963
     16 45 2 0.827 0.0525 0.730 0.936
     24 43 1 0.808 0.0547 0.707 0.922
     26 42 1 0.788 0.0566 0.685 0.908
     27 41 1 0.769 0.0584 0.663 0.893
     28 40 1 0.750 0.0600 0.641 0.877
     30 39 2 0.712 0.0628 0.598 0.846
     32 37 1 0.692 0.0640 0.578 0.830
     41 36 1 0.673 0.0651 0.557 0.813
     51 35 1 0.654 0.0660 0.537 0.797
     65 33 1 0.634 0.0669 0.516 0.780
     67 32 1 0.614 0.0677 0.495 0.762
     70 31 1 0.594 0.0683 0.475 0.745
     72 30 1 0.575 0.0689 0.454 0.727
     73 29 1 0.555 0.0693 0.434 0.709
     77 27 1 0.534 0.0697 0.414 0.690
     91 19 1 0.506 0.0715 0.384 0.667
     93 18 1 0.478 0.0728 0.355 0.644
     96 16 1 0.448 0.0741 0.324 0.620
     100 14 1 0.416 0.0754 0.292 0.594
     104 12 1 0.381 0.0767 0.257 0.566
     157 5 1 0.305 0.0918 0.169 0.550
     167 4 1 0.229 0.0954 0.101 0.518
    >
    > myFit$surv # outputs the Kaplan-Meier estimate at each t_i
     [1] 0.9807692 0.9423077 0.9230769 0.9038462 0.8653846 0.8269231 0.8076923
     [8] 0.7884615 0.7692308 0.7500000 0.7115385 0.6923077 0.6730769 0.6538462
    [15] 0.6538462 0.6340326 0.6142191 0.5944056 0.5745921 0.5547786 0.5547786
    [22] 0.5342312 0.5342312 0.5342312 0.5342312 0.5342312 0.5342312 0.5342312
    [29] 0.5061138 0.4779963 0.4481216 0.4481216 0.4161129 0.4161129 0.3814368
    [36] 0.3814368 0.3814368 0.3814368 0.3814368 0.3814368 0.3051494 0.2288621
    [43] 0.2288621 0.2288621 0.2288621
    > myFit$time # t_i
     [1] 1 3 4 10 13 16 24 26 27 28 30 32 41 51 61 65 67 70 72
    [20] 73 74 77 79 80 81 87 88 89 91 93 96 97 100 101 104 108 109 120
    [39] 131 150 157 167 231 240 400
    > myFit$n.risk # Y_i
     [1] 52 51 49 48 47 45 43 42 41 40 39 37 36 35 34 33 32 31 30 29 28 27 26 25 24
    [26] 23 21 20 19 18 16 15 14 13 12 10 9 8 7 6 5 4 3 2 1
    > myFit$n.event # d_i
     [1] 1 2 1 1 2 2 1 1 1 1 2 1 1 1 0 1 1 1 1 1 0 1 0 0 0 0 0 0 1 1 1 0 1 0 1 0 0 0
    [39] 0 0 1 1 0 0 0
    > myFit$std.err # standard error of the K-M estimate at t_i
     [1] 0.01941839 0.03431318 0.04003204 0.04523081 0.05469418 0.06344324
     [7] 0.06766650 0.07182948 0.07595545 0.08006408 0.08829642 0.09245003
    [13] 0.09664709 0.10090092 0.10090092 0.10548917 0.11016365 0.11494041
    [19] 0.11983624 0.12486893 0.12486893 0.13044827 0.13044827 0.13044827
    [25] 0.13044827 0.13044827 0.13044827 0.13044827 0.14121165 0.15234403
    [31] 0.16545504 0.16545504 0.18130051 0.18130051 0.20111100 0.20111100
    [37] 0.20111100 0.20111100 0.20111100 0.20111100 0.30074180 0.41686804
    [43] 0.41686804 0.41686804 0.41686804
    > myFit$lower # lower pointwise estimates (alternatively, $upper)
     [1] 0.9441432 0.8810191 0.8534195 0.8271685 0.7774159 0.7302341 0.7073724
     [8] 0.6849189 0.6628317 0.6410776 0.5984672 0.5775712 0.5569274 0.5365233
    [15] 0.5365233 0.5156073 0.4949392 0.4745101 0.4543127 0.4343412 0.4343412
    [22] 0.4137057 0.4137057 0.4137057 0.4137057 0.4137057 0.4137057 0.4137057
    [29] 0.3837502 0.3546085 0.3240114 0.3240114 0.2916674 0.2916674 0.2571797
    [36] 0.2571797 0.2571797 0.2571797 0.2571797 0.2571797 0.1692469 0.1010963
    [43] 0.1010963 0.1010963 0.1010963
    >
    > #pdf("kmPlot.pdf", 7, 4.5)
    > #par(mar=c(3.9, 3.9, 2.5, 1), mgp=c(2.6, 0.7, 0))
    > plot(myFit, main="Kaplan-Meier estimate with 95% confidence bounds",
    + xlab="time", ylab="survival function")
    > #dev.off()
    >
    > myFit1 <- survfit(Surv(time, delta) ~ type) # 'type' specifies the grouping
    > detach(tongue)
    >
    >
    > #=====> 5. Kaplan-Meier confidence bands <=====#
    > data(tongue)
    > attach(tongue)
    > mySurv <- Surv(time[type==1], delta[type==1])
    > #pdf("confBand.pdf", 7, 4.5)
    > #par(mar=c(3.9, 3.9, 2.5, 1), mgp=c(2.6, 0.7, 0))
    > plot(survfit(mySurv ~ 1), xlab='time',
    + ylab='Estimated Survival Function',
    + main='Confidence intervals versus confidence bands')
    > myCB <- confBands(mySurv)
    Error in ep.c10[aU, aL] : subscript out of bounds
    Calls: confBands
    Execution halted
Flavors: r-devel-linux-x86_64-debian-clang, r-devel-linux-x86_64-debian-gcc, r-patched-linux-x86_64, r-release-linux-x86_64

Version: 0.2
Check: examples
Result: ERROR
    Running examples in ‘OIsurv-Ex.R’ failed
    The error most likely occurred in:
    
    > ### Name: OIsurv-package
    > ### Title: Survival analysis tutorial, a supplement to the OpenIntro guide
    > ### Aliases: OIsurv-package OIsurv
    >
    > ### ** Examples
    >
    > #=====> 2. Three packages: survival, OIsurv, and KMsurv <=====#
    > # install.packages("OIsurv")
    > # library(OIsurv)
    > data(aids)
    > aids
     infect induct adult
    1 0.00 5.00 1
    2 0.25 6.75 1
    3 0.75 5.00 1
    4 0.75 5.00 1
    5 0.75 7.25 1
    6 1.00 4.25 1
    7 1.00 5.75 1
    8 1.00 6.25 1
    9 1.00 6.50 1
    10 1.25 4.00 1
    11 1.25 4.25 1
    12 1.25 4.75 1
    13 1.25 5.75 1
    14 1.50 2.75 1
    15 1.50 3.75 1
    16 1.50 5.00 1
    17 1.50 5.50 1
    18 1.50 6.50 1
    19 1.75 2.75 1
    20 1.75 3.00 1
    21 1.75 5.25 1
    22 1.75 5.25 1
    23 2.00 2.25 1
    24 2.00 3.00 1
    25 2.00 4.00 1
    26 2.00 4.50 1
    27 2.00 4.75 1
    28 2.00 5.00 1
    29 2.00 5.25 1
    30 2.00 5.25 1
    31 2.00 5.50 1
    32 2.00 5.50 1
    33 2.00 6.00 1
    34 2.25 3.00 1
    35 2.25 5.50 1
    36 2.50 2.25 1
    37 2.50 2.25 1
    38 2.50 2.25 1
    39 2.50 2.25 1
    40 2.50 2.50 1
    41 2.50 2.75 1
    42 2.50 3.00 1
    43 2.50 3.25 1
    44 2.50 3.25 1
    45 2.50 4.00 1
    46 2.50 4.00 1
    47 2.50 4.00 1
    48 2.75 1.25 1
    49 2.75 1.50 1
    50 2.75 2.50 1
    51 2.75 3.00 1
    52 2.75 3.00 1
    53 2.75 3.25 1
    54 2.75 3.75 1
    55 2.75 4.50 1
    56 2.75 4.50 1
    57 2.75 5.00 1
    58 2.75 5.00 1
    59 2.75 5.25 1
    60 2.75 5.25 1
    61 2.75 5.25 1
    62 2.75 5.25 1
    63 2.75 5.25 1
    64 3.00 2.00 1
    65 3.00 3.25 1
    66 3.00 3.50 1
    67 3.00 3.75 1
    68 3.00 4.00 1
    69 3.00 4.00 1
    70 3.00 4.25 1
    71 3.00 4.25 1
    72 3.00 4.25 1
    73 3.00 4.75 1
    74 3.00 4.75 1
    75 3.00 4.75 1
    76 3.00 5.00 1
    77 3.25 1.25 1
    78 3.25 1.75 1
    79 3.25 2.00 1
    80 3.25 2.00 1
    81 3.25 2.75 1
    82 3.25 3.00 1
    83 3.25 3.00 1
    84 3.25 3.50 1
    85 3.25 3.50 1
    86 3.25 4.25 1
    87 3.25 4.50 1
    88 3.50 1.25 1
    89 3.50 2.25 1
    90 3.50 2.25 1
    91 3.50 2.50 1
    92 3.50 2.75 1
    93 3.50 2.75 1
    94 3.50 3.00 1
    95 3.50 3.25 1
    96 3.50 3.50 1
    97 3.50 3.50 1
    98 3.50 4.00 1
    99 3.50 4.00 1
    100 3.50 4.25 1
    101 3.50 4.50 1
    102 3.50 4.50 1
    103 3.75 1.25 1
    104 3.75 1.75 1
    105 3.75 1.75 1
    106 3.75 2.00 1
    107 3.75 2.75 1
    108 3.75 3.00 1
    109 3.75 3.00 1
    110 3.75 3.00 1
    111 3.75 4.00 1
    112 3.75 4.25 1
    113 3.75 4.25 1
    114 4.00 1.00 1
    115 4.00 1.50 1
    116 4.00 1.50 1
    117 4.00 2.00 1
    118 4.00 2.25 1
    119 4.00 2.75 1
    120 4.00 3.50 1
    121 4.00 3.75 1
    122 4.00 3.75 1
    123 4.00 4.00 1
    124 4.25 1.25 1
    125 4.25 1.50 1
    126 4.25 1.50 1
    127 4.25 2.00 1
    128 4.25 2.00 1
    129 4.25 2.00 1
    130 4.25 2.25 1
    131 4.25 2.50 1
    132 4.25 2.50 1
    133 4.25 2.50 1
    134 4.25 3.00 1
    135 4.25 3.50 1
    136 4.25 3.50 1
    137 4.50 1.00 1
    138 4.50 1.50 1
    139 4.50 1.50 1
    140 4.50 1.50 1
    141 4.50 1.75 1
    142 4.50 2.25 1
    143 4.50 2.25 1
    144 4.50 2.50 1
    145 4.50 2.50 1
    146 4.50 2.50 1
    147 4.50 2.50 1
    148 4.50 2.75 1
    149 4.50 2.75 1
    150 4.50 2.75 1
    151 4.50 2.75 1
    152 4.50 3.00 1
    153 4.50 3.00 1
    154 4.50 3.00 1
    155 4.50 3.25 1
    156 4.50 3.25 1
    157 4.75 1.00 1
    158 4.75 1.50 1
    159 4.75 1.50 1
    160 4.75 1.50 1
    161 4.75 1.75 1
    162 4.75 1.75 1
    163 4.75 2.00 1
    164 4.75 2.25 1
    165 4.75 2.75 1
    166 4.75 3.00 1
    167 4.75 3.00 1
    168 4.75 3.25 1
    169 4.75 3.25 1
    170 4.75 3.25 1
    171 4.75 3.25 1
    172 4.75 3.25 1
    173 4.75 3.25 1
    174 5.00 0.50 1
    175 5.00 1.50 1
    176 5.00 1.50 1
    177 5.00 1.75 1
    178 5.00 2.00 1
    179 5.00 2.25 1
    180 5.00 2.25 1
    181 5.00 2.25 1
    182 5.00 2.50 1
    183 5.00 2.50 1
    184 5.00 3.00 1
    185 5.00 3.00 1
    186 5.00 3.00 1
    187 5.25 0.25 1
    188 5.25 0.25 1
    189 5.25 0.75 1
    190 5.25 0.75 1
    191 5.25 0.75 1
    192 5.25 1.00 1
    193 5.25 1.00 1
    194 5.25 1.25 1
    195 5.25 1.25 1
    196 5.25 1.50 1
    197 5.25 1.50 1
    198 5.25 1.50 1
    199 5.25 1.50 1
    200 5.25 2.25 1
    201 5.25 2.25 1
    202 5.25 2.50 1
    203 5.25 2.50 1
    204 5.25 2.75 1
    205 5.50 1.00 1
    206 5.50 1.00 1
    207 5.50 1.00 1
    208 5.50 1.25 1
    209 5.50 1.25 1
    210 5.50 1.75 1
    211 5.50 2.00 1
    212 5.50 2.25 1
    213 5.50 2.25 1
    214 5.50 2.50 1
    215 5.75 0.25 1
    216 5.75 0.25 1
    217 5.75 0.75 1
    218 5.75 1.00 1
    219 5.75 1.50 1
    220 5.75 1.50 1
    221 5.75 1.50 1
    222 5.75 2.00 1
    223 5.75 2.00 1
    224 5.75 2.25 1
    225 6.00 0.50 1
    226 6.00 0.75 1
    227 6.00 0.75 1
    228 6.00 0.75 1
    229 6.00 1.00 1
    230 6.00 1.00 1
    231 6.00 1.00 1
    232 6.00 1.25 1
    233 6.00 1.25 1
    234 6.00 1.50 1
    235 6.00 1.50 1
    236 6.00 1.75 1
    237 6.00 1.75 1
    238 6.00 1.75 1
    239 6.00 2.00 1
    240 6.25 0.75 1
    241 6.25 1.00 1
    242 6.25 1.25 1
    243 6.25 1.75 1
    244 6.25 1.75 1
    245 6.50 0.25 1
    246 6.50 0.25 1
    247 6.50 0.75 1
    248 6.50 1.00 1
    249 6.50 1.25 1
    250 6.50 1.50 1
    251 6.75 0.75 1
    252 6.75 0.75 1
    253 6.75 1.00 1
    254 6.75 1.25 1
    255 6.75 1.25 1
    256 6.75 1.25 1
    257 7.00 0.75 1
    258 7.25 0.25 1
    259 1.00 5.50 0
    260 1.50 2.25 0
    261 2.25 3.00 0
    262 2.75 1.00 0
    263 3.00 1.75 0
    264 3.50 0.75 0
    265 3.75 0.75 0
    266 3.75 1.00 0
    267 3.75 2.75 0
    268 3.75 3.00 0
    269 3.75 3.50 0
    270 3.75 4.25 0
    271 4.00 1.00 0
    272 4.25 1.75 0
    273 4.50 3.25 0
    274 4.75 1.00 0
    275 4.75 2.25 0
    276 5.00 0.50 0
    277 5.00 0.75 0
    278 5.00 1.50 0
    279 5.00 2.50 0
    280 5.25 0.25 0
    281 5.25 1.00 0
    282 5.25 1.50 0
    283 5.50 0.50 0
    284 5.50 1.50 0
    285 5.50 2.50 0
    286 5.75 1.75 0
    287 6.00 0.50 0
    288 6.00 1.25 0
    289 6.25 0.50 0
    290 6.25 1.25 0
    291 6.50 0.75 0
    292 6.75 0.50 0
    293 6.75 0.75 0
    294 7.00 0.75 0
    295 7.25 0.25 0
    > attach(aids)
    > infect
     [1] 0.00 0.25 0.75 0.75 0.75 1.00 1.00 1.00 1.00 1.25 1.25 1.25 1.25 1.50 1.50
     [16] 1.50 1.50 1.50 1.75 1.75 1.75 1.75 2.00 2.00 2.00 2.00 2.00 2.00 2.00 2.00
     [31] 2.00 2.00 2.00 2.25 2.25 2.50 2.50 2.50 2.50 2.50 2.50 2.50 2.50 2.50 2.50
     [46] 2.50 2.50 2.75 2.75 2.75 2.75 2.75 2.75 2.75 2.75 2.75 2.75 2.75 2.75 2.75
     [61] 2.75 2.75 2.75 3.00 3.00 3.00 3.00 3.00 3.00 3.00 3.00 3.00 3.00 3.00 3.00
     [76] 3.00 3.25 3.25 3.25 3.25 3.25 3.25 3.25 3.25 3.25 3.25 3.25 3.50 3.50 3.50
     [91] 3.50 3.50 3.50 3.50 3.50 3.50 3.50 3.50 3.50 3.50 3.50 3.50 3.75 3.75 3.75
    [106] 3.75 3.75 3.75 3.75 3.75 3.75 3.75 3.75 4.00 4.00 4.00 4.00 4.00 4.00 4.00
    [121] 4.00 4.00 4.00 4.25 4.25 4.25 4.25 4.25 4.25 4.25 4.25 4.25 4.25 4.25 4.25
    [136] 4.25 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50
    [151] 4.50 4.50 4.50 4.50 4.50 4.50 4.75 4.75 4.75 4.75 4.75 4.75 4.75 4.75 4.75
    [166] 4.75 4.75 4.75 4.75 4.75 4.75 4.75 4.75 5.00 5.00 5.00 5.00 5.00 5.00 5.00
    [181] 5.00 5.00 5.00 5.00 5.00 5.00 5.25 5.25 5.25 5.25 5.25 5.25 5.25 5.25 5.25
    [196] 5.25 5.25 5.25 5.25 5.25 5.25 5.25 5.25 5.25 5.50 5.50 5.50 5.50 5.50 5.50
    [211] 5.50 5.50 5.50 5.50 5.75 5.75 5.75 5.75 5.75 5.75 5.75 5.75 5.75 5.75 6.00
    [226] 6.00 6.00 6.00 6.00 6.00 6.00 6.00 6.00 6.00 6.00 6.00 6.00 6.00 6.00 6.25
    [241] 6.25 6.25 6.25 6.25 6.50 6.50 6.50 6.50 6.50 6.50 6.75 6.75 6.75 6.75 6.75
    [256] 6.75 7.00 7.25 1.00 1.50 2.25 2.75 3.00 3.50 3.75 3.75 3.75 3.75 3.75 3.75
    [271] 4.00 4.25 4.50 4.75 4.75 5.00 5.00 5.00 5.00 5.25 5.25 5.25 5.50 5.50 5.50
    [286] 5.75 6.00 6.00 6.25 6.25 6.50 6.75 6.75 7.00 7.25
    > detach(aids)
    >
    >
    > #=====> 3. Survival objects <=====#
    > data(tongue)
    > attach(tongue)
    > mySurvObject <- Surv(time, delta)
    > mySurvObject
     [1] 1 3 3 4 10 13 13 16 16 24 26 27 28 30 30
    [16] 32 41 51 65 67 70 72 73 77 91 93 96 100 104 157
    [31] 167 61+ 74+ 79+ 80+ 81+ 87+ 87+ 88+ 89+ 93+ 97+ 101+ 104+ 108+
    [46] 109+ 120+ 131+ 150+ 231+ 240+ 400+ 1 3 4 5 5 8 12 13
    [61] 18 23 26 27 30 42 56 62 69 104 104 112 129 181 8+
    [76] 67+ 76+ 104+ 176+ 231+
    > detach(tongue)
    >
    > # Surv(time, event, type="left")
    >
    > # Surv(t1, t2, event)
    >
    >
    > #=====> 4. Kaplan-Meier estimate and pointwise bounds <=====#
    > data(tongue)
    > attach(tongue)
    > mySurv <- Surv(time[type==1], delta[type==1])
    > (myFit <- survfit(mySurv ~ 1))
    Call: survfit(formula = mySurv ~ 1)
    
     n events median 0.95LCL 0.95UCL
     52 31 93 67 NA
    > summary(myFit)
    Call: survfit(formula = mySurv ~ 1)
    
     time n.risk n.event survival std.err lower 95% CI upper 95% CI
     1 52 1 0.981 0.0190 0.944 1.000
     3 51 2 0.942 0.0323 0.881 1.000
     4 49 1 0.923 0.0370 0.853 0.998
     10 48 1 0.904 0.0409 0.827 0.988
     13 47 2 0.865 0.0473 0.777 0.963
     16 45 2 0.827 0.0525 0.730 0.936
     24 43 1 0.808 0.0547 0.707 0.922
     26 42 1 0.788 0.0566 0.685 0.908
     27 41 1 0.769 0.0584 0.663 0.893
     28 40 1 0.750 0.0600 0.641 0.877
     30 39 2 0.712 0.0628 0.598 0.846
     32 37 1 0.692 0.0640 0.578 0.830
     41 36 1 0.673 0.0651 0.557 0.813
     51 35 1 0.654 0.0660 0.537 0.797
     65 33 1 0.634 0.0669 0.516 0.780
     67 32 1 0.614 0.0677 0.495 0.762
     70 31 1 0.594 0.0683 0.475 0.745
     72 30 1 0.575 0.0689 0.454 0.727
     73 29 1 0.555 0.0693 0.434 0.709
     77 27 1 0.534 0.0697 0.414 0.690
     91 19 1 0.506 0.0715 0.384 0.667
     93 18 1 0.478 0.0728 0.355 0.644
     96 16 1 0.448 0.0741 0.324 0.620
     100 14 1 0.416 0.0754 0.292 0.594
     104 12 1 0.381 0.0767 0.257 0.566
     157 5 1 0.305 0.0918 0.169 0.550
     167 4 1 0.229 0.0954 0.101 0.518
    >
    > myFit$surv # outputs the Kaplan-Meier estimate at each t_i
     [1] 0.9807692 0.9423077 0.9230769 0.9038462 0.8653846 0.8269231 0.8076923
     [8] 0.7884615 0.7692308 0.7500000 0.7115385 0.6923077 0.6730769 0.6538462
    [15] 0.6538462 0.6340326 0.6142191 0.5944056 0.5745921 0.5547786 0.5547786
    [22] 0.5342312 0.5342312 0.5342312 0.5342312 0.5342312 0.5342312 0.5342312
    [29] 0.5061138 0.4779963 0.4481216 0.4481216 0.4161129 0.4161129 0.3814368
    [36] 0.3814368 0.3814368 0.3814368 0.3814368 0.3814368 0.3051494 0.2288621
    [43] 0.2288621 0.2288621 0.2288621
    > myFit$time # t_i
     [1] 1 3 4 10 13 16 24 26 27 28 30 32 41 51 61 65 67 70 72
    [20] 73 74 77 79 80 81 87 88 89 91 93 96 97 100 101 104 108 109 120
    [39] 131 150 157 167 231 240 400
    > myFit$n.risk # Y_i
     [1] 52 51 49 48 47 45 43 42 41 40 39 37 36 35 34 33 32 31 30 29 28 27 26 25 24
    [26] 23 21 20 19 18 16 15 14 13 12 10 9 8 7 6 5 4 3 2 1
    > myFit$n.event # d_i
     [1] 1 2 1 1 2 2 1 1 1 1 2 1 1 1 0 1 1 1 1 1 0 1 0 0 0 0 0 0 1 1 1 0 1 0 1 0 0 0
    [39] 0 0 1 1 0 0 0
    > myFit$std.err # standard error of the K-M estimate at t_i
     [1] 0.01941839 0.03431318 0.04003204 0.04523081 0.05469418 0.06344324
     [7] 0.06766650 0.07182948 0.07595545 0.08006408 0.08829642 0.09245003
    [13] 0.09664709 0.10090092 0.10090092 0.10548917 0.11016365 0.11494041
    [19] 0.11983624 0.12486893 0.12486893 0.13044827 0.13044827 0.13044827
    [25] 0.13044827 0.13044827 0.13044827 0.13044827 0.14121165 0.15234403
    [31] 0.16545504 0.16545504 0.18130051 0.18130051 0.20111100 0.20111100
    [37] 0.20111100 0.20111100 0.20111100 0.20111100 0.30074180 0.41686804
    [43] 0.41686804 0.41686804 0.41686804
    > myFit$lower # lower pointwise estimates (alternatively, $upper)
     [1] 0.9441432 0.8810191 0.8534195 0.8271685 0.7774159 0.7302341 0.7073724
     [8] 0.6849189 0.6628317 0.6410776 0.5984672 0.5775712 0.5569274 0.5365233
    [15] 0.5365233 0.5156073 0.4949392 0.4745101 0.4543127 0.4343412 0.4343412
    [22] 0.4137057 0.4137057 0.4137057 0.4137057 0.4137057 0.4137057 0.4137057
    [29] 0.3837502 0.3546085 0.3240114 0.3240114 0.2916674 0.2916674 0.2571797
    [36] 0.2571797 0.2571797 0.2571797 0.2571797 0.2571797 0.1692469 0.1010963
    [43] 0.1010963 0.1010963 0.1010963
    >
    > #pdf("kmPlot.pdf", 7, 4.5)
    > #par(mar=c(3.9, 3.9, 2.5, 1), mgp=c(2.6, 0.7, 0))
    > plot(myFit, main="Kaplan-Meier estimate with 95% confidence bounds",
    + xlab="time", ylab="survival function")
    > #dev.off()
    >
    > myFit1 <- survfit(Surv(time, delta) ~ type) # 'type' specifies the grouping
    > detach(tongue)
    >
    >
    > #=====> 5. Kaplan-Meier confidence bands <=====#
    > data(tongue)
    > attach(tongue)
    > mySurv <- Surv(time[type==1], delta[type==1])
    > #pdf("confBand.pdf", 7, 4.5)
    > #par(mar=c(3.9, 3.9, 2.5, 1), mgp=c(2.6, 0.7, 0))
    > plot(survfit(mySurv ~ 1), xlab='time',
    + ylab='Estimated Survival Function',
    + main='Confidence intervals versus confidence bands')
    > myCB <- confBands(mySurv)
    Error in ep.c10[aU, aL] : subscript out of bounds
    Calls: confBands
    Execution halted
Flavors: r-devel-linux-x86_64-fedora-clang, r-devel-linux-x86_64-fedora-gcc, r-devel-windows-ix86+x86_64, r-patched-solaris-x86, r-release-windows-ix86+x86_64, r-oldrel-windows-ix86+x86_64