竞争风险( competing risks) 是指研究对象出现感兴趣事件(interesting event)的同时还会出现其他结局事件，这些结局事件将阻止感兴趣事件的出现或使其发生的概率降低，各结局事件间形成所谓的"竞争"关系，这一系列事件称作竞争事件。

例如：当我们关注心血管疾病引起的死亡事件，目标结局是心血管相关死亡，患者随访过程中会出现其他死亡结局 (如车祸、癌症等)。当其他死亡结局患者数较多时，将此部分患者作为删失，会高估研究中的累计发病率；从患者死因角度，心血管疾病与其他因素构成了竞争关系，即死于心血管疾病与死于其他因素互为竞争事件，故其他死亡结局也称为竞争结局。此时提出我们新的生存分析模型：竞争风险模型。

1999年Fine和Gray提出部分分布的半参数比例风险模型，该模型在考虑到竞争事件的条件下，探讨其他影响因素对结局事件的作用，弥补了传统生存分析的不足。

传统生存分析有哪些?

为什么选用竞争风险模型?

传统的生存分析( survival analysis ) 一般只关心一个终点事件(即研究者感兴趣的结局,如复发)。将发生复发前死亡的个体、失访个体和未发生复发的个体均按删失数据( Censored Data)处理,要求个体删失情况与个体终点事件（复发）相互独立，结局不存在竞争风险。

传统K-M与竞争风险模型分析方法比较：

（1）单因素竞争风险模型 (Single-factor competition risk model)：估计目标事件与竞争事件的累积发生率；组间比较时采用 Gray检验。仅考虑单个事件时，类似经典生存分析的Kaplan-Meier 法估计事件的累积发生率。

（2）多因素竞争风险模型 (Multi-factor competitive risk model): 多因素分析时,运用Fine-Gray模型探讨影响目标事件累积发生率的因素。类似经典COX模型探讨影响目标事件累积发生率的因素。

今天来学习绘制单因素竞争风险模型的累积发生曲线。

1. 安装和加载R包

install.packages("cmprsk") # 安装包
install.packages("survminer") # 安装包
library(cmprsk) # 加载包
library(survminer) # 加载包

2. 导入数据

本文的实例数据是关于白血病患者接受骨髓干细胞移植后复发风险的研究，死亡作为竞争结局。该研究包含有177例接受骨髓干细胞移植的急性白血病患者。

bmtcrr数据获取链接：https://pan.baidu.com/s/1IGjfljmg-eRYoBl1Rph8GA 提取码: 1234 

bmtcrr <- read_excel("bmtcrr.xls") # 导入数据
bmtcrr$sex <- factor(bmtcrr$sex, levels = c(0,1),
                     labels = c("male", "female"))
View(bmtcrr) # 预览数据集

3. 拟合竞争风险模型

fit <- cuminc(bmtcrr$ftime, bmtcrr$status, bmtcrr$sex)
print(fit) # 输出信息

4. plot()函数绘制图形

plot(fit) 

5. ggcompetingrisks()函数绘制图形

ggcompetingrisks(fit, 
                 multiple_panels = FALSE, 
                 ylim = c(0,1))

可以修改参数来自定义调整图形

结果解读:

从male1对应的红色曲线和female1对应的蓝色曲线可以得出, female组的复发风险较male组高，但无统计学意义, P=0.7993437。

male2对应的绿色曲线在female2对应的绿色曲线下方,可以得出, male组的竞争风险事件发生率较female组低，但无统计学意义, P=0.1225223.在控制了竞争风险事件后，"male"和"female"累计复发风险无统计学差异。