超级会员免费看
生存分析关注慢性病患者随访期间的生存和死亡情况，是评价预后的重要方法。本文介绍了生存数据的收集和整理，并汇总了R语言中常用的生存分析代码，包括数据字段说明、变量因子化、特征描述统计、生存曲线拟合、log-rank检验及Cox回归模型等。
首先看看什么是生存分析？
因为无法在短时间内评价慢性病患者的预后，所以通常情况下不会简单地采用治愈率、病死率等指标，而是对患者进行随访，分析一定的时间之后患者生存或死亡的情况，这种将事件的结果和出现这一结果所经历的时间结合起来分析的方法，称为生存分析 (Survival Analysis)。
如何进行生存数据的收集和整理，有不少人存在疑惑，下面这张图给出了非常清晰明了的说明。
下面，对生存分析中常用到的代码进行了汇总，参考的文章已经附上链接，可以直接回溯到原文。
#一、使用数据集
library(survival)
#data(lung) # 加载lung数据集
mydata<-na.omit(survival::lung) #去除缺失值
View(mydata) # 查看数据集
str(mydata)
#二、数据字段说明
#survival包的lung数据集
#lung数据集：NCCTG晚期肺癌患者的生存率。
#inst：机构代码；
#time：生存天数（以天为单位的生存时间）；
#status：生存状态，1为删失
订阅专栏 解锁全文
扫一扫
650
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
