R语言生存分析可视化分析|附代码数据

生存分析指的是一系列用来探究所感兴趣的事件的发生的时间的统计方法。

生存分析被用于各种领域，例如：

癌症研究为患者生存时间分析，

“事件历史分析”的社会学

在工程的“故障时间分析”。

在癌症研究中，典型的研究问题如下：

某些临床特征对患者的生存有何影响？

个人三年存活的概率是多少？

各组患者的生存率有差异吗？

基本概念

在这里，我们从定义生存分析的基本术语开始，包括：

生存时间和事件

生存函数和风险函数

癌症研究中的生存时间和事件类型

有不同类型的事件，包括：

复发

死亡

观察开始到观察终止的_时间_通常称为_生存时间_（或事件发生的时间）。

癌症研究中两个最重要的评价方法包括：i）_死亡时间_;和ii）无_复发存活时间_，其对应于治疗反应与疾病复发之间的时间。它也被称为无_病生存时间_和无_事件生存时间_。

如上所述，生存分析侧重于直到发生感兴趣事件（复发或死亡）的期望持续时间。

Kaplan-Meier生存评估

Kaplan-Meier（KM）方法是一种非参数方法，用于估计观察到的生存时间的生存概率（Kaplan和Meier，1958）。

生存曲线是管理生存概率与时间的关系曲线，它提供了一个有用的数据总结，可以用来估计诸如中位生存时间之类的衡量指标。

R生存分析

生存分析总结和可视化生存分析结果

示例数据集

我们将使用生存包中提供的肺癌数据。

head(lung)

  inst time status age sex ph.ecog ph.karno pat.karno meal.cal wt.loss
1    3  306      2  74   1       1       90       100     1175      NA
2    3  455      2  68   1       0       90        90     1225      15
3    3 1010      1  56   1       0       90        90       NA      15
4    5  210      2  57   1       1       90        60     1150      11
5    1  883      2  60   1       0      100        90       NA       0
6   12 1022      1  74   1       1       50        80      513       0

inst：机构代码

时间：以天为单位的生存时间

状态：状态1 =审查，2 =死亡

年龄：年龄

性别：男= 1女= 2

ph.ecog：ECOG表现评分（0 =正常 5 =死亡）

ph.karno：Karnofsky表现评分（差 = 0 正常= 100）由医师评定

pat.karno：Karnofsky表现评分由患者评估

膳食：餐时消耗的卡路里

wt.loss：过去六个月的体重下降

计算生存曲线：survfit（）

我们要按性别来计算生存概率。

函数_survfit_（）可以被用来计算Kaplan-Meier生存估计。

使用函数_Surv_（）创建的生存对象

要计算生存曲线，请输入以下内容：

print(fit)

       n events median 0.95LCL 0.95UCL
sex=1 138    112    270    212    310
sex=2  90    53    426    348    550

默认情况下，函数print（）显示生存曲线的摘要。它显示观察数，事件数量，中位数生存和中位数的置信区间。

如果要显示生存曲线的更完整摘要，请输入以下内容：

# 生存曲线摘要
summary(fit)# 
summary(fit)$table

可视化生存曲线

我们 生成两组受试者的生存曲线。

ggplot(fit,
          pval = TRUE, conf.int = TRUE,
          risk.table = TRUE, # 添加风险表
          risk.table.col = "strata", # 按组更改风险表颜色

_legend.labs_更改图例标签。

ggplot(
   fit,                     # 具有计算统计信息的survfit对象。
   pval = TRUE,             # 显示对数秩检验的p值。
   conf.int = TRUE,         # 显示生存曲线点估计的置信区间。
   conf.int.style = "step",  # 自定义置信区间样式
   xlab = "Time in days",   # 自定义X轴标签。
   break.time.by = 200,     # 以200的时间间隔打断X轴。
   ggtheme = theme_light(), # 使用主题自定义绘图和风险表。
   risk.table = "abs_pct",  # 绝对数值

---

点击标题查阅往期内容

​​【视频】分类模型评估:精确率、召回率、ROC曲线、AUC与R语言生存分析时间依赖性ROC实现​​

左右滑动查看更多

01

02

03

04

每组的中位生存时间表示生存概率S（t）为0.5的时间。

使用参数_xlim_可以缩短生存曲线范围，如下所示：

请注意，可以使用参数_fun_指定三个经常使用的转换：

 

累积风险是常用来估计风险概率。

 

、

Kaplan-Meier生命表：生存曲线的总结

如上所述，您可以使用函数_summary_（）来获得生存曲线的完整摘要：

summary(fit)

Log-Rank检验比较生存曲线：survdiff（）

对_数秩检验_是比较两条或更多条生存曲线的最广泛使用的方法。零假设是两组在生存期间没有差异。 

可以使用survdiff（）如下：

 surv_diff


N Observed Expected (O-E)^2/E (O-E)^2/V
sex=1 138      112    91.6      4.55      10.3
sex=2  90      53    73.4      5.68      10.3
Chisq= 10.3  on 1 degrees of freedom, p= 0.00131

存活率差异的对数秩检验给出p = 0.0013的p值，表明性别组在存活方面差异显着。

复杂的生存曲线

在本节中，我们将使用多个因素的组合计算生存曲线。接下来，我们将使用ggsurvplot（）输出结果

ggplot(fit,
          conf.int = TRUE,
          risk.table.col = "strata", # 按组更改风险表颜色
          ggtheme = theme_bw(), # 更改ggplot2主题

可视化输出。下面的图显示了性别变量根据rx＆adhere的值的生存曲线。

 

概要

生存分析是一组数据分析的统计方法，其中感兴趣的结果变量是事件发生之前的时间。

在这篇文章中，我们演示了如何使用两个R软件包来执行和可视化生存分析）。