R语言---生存分析---笔记整理

浅沫～

已于 2022-11-04 09:46:06 修改

阅读量5.9k

点赞数 6

分类专栏： R语言生物信息学文章标签： r语言人工智能数据挖掘

于 2020-07-04 09:15:49 首次发布

原文链接：https://www.bioinfo-scrounger.com/archives/647/

版权

R语言同时被 2 个专栏收录

4 篇文章 4 订阅

订阅专栏

生物信息学

3 篇文章 1 订阅

订阅专栏

原文链接：R语言-Survival analysis（生存分析） | KeepNotes blog

1.什么是生存分析？

生存分析是研究生存时间的分布规律，以及生存时间和相关因素之间关系的一种统计分析方法。生存分析可用来预测在某一时间点上的事件是否会出现，它需要通过时间的维度来完成事件在某一时间发生概率的预测。

2.生存分析方法的种类？

（1）参数法：知道生存时间的分布模型，然后根据数据来估计模型参数，最后以分布模型来计算生存率。

（2）非参数法：不需要生存时间分布，根据样本统计量来估计生存率，常见方法Kaplan-Meier法（乘积极限法）、寿命法。

（3）半参数法：也不需要生存时间的分布，但最终是通过模型来评估影响生存率的因素，最为常见的是Cox回归模型。

ps：生存率，可以看作条件生存概率（conditional probability of survival）的累积，比如三年生存率则是第1-3年每年存活概率的乘积。

3.生存分析使用的方法？

（1）Kaplan-Meier plots to visualize survival curves（根据生存时间分布，估计生存率以及中位生存时间，以生存曲线方式展示，从而分析生存特征，一般用Kaplan-Meier法，还有寿命法）。

（2）Log-rank test to compare the survival curves of two or more groups（通过比较两组或者多组之间的的生存曲线，一般是生存率及其标准误，从而研究之间的差异，一般用log rank检验）。

（3）Cox proportional hazards regression to describe the effect of variables on survival（用Cox风险比例模型来分析变量对生存的影响，可以两个及两个以上的因素，很常用）。

一般做生存分析，可以先用KM（Kaplan-Meier）方法估计生存率，做生存曲线，之后可以根据分组检验一下多组间生存曲线是否有显著的差异，最后用Cox风险比例模型来研究下某个因素对生存的影响。

4.什么是生存曲线？

生存曲线（survival curve）是将每个时间点的生存率连接在一起的曲线，一般随访时间为X轴，生存率为Y轴；曲线平滑则说明高生存率，反之则低生存率；中位生存率（median survival time）越长，则说明预后较好。

5.卡普兰-迈耶生存分析的计算方法？

$s(t_{i})=s(t_{i-1})\ast (1-\frac{d_{i}}{n_{i}})$

（1） $s(t_{i})$ 指的是在第 $t_{i}$ 年还存活的概率。

（2） $n_{i}$ 指的是在 $t_{i}$ 年之前还存活的人数。

（3） $d_{i}$ 指的是在事件发生的人数，即有多少人发生了事件。

（4） $t_{0}=0,s(0)=1$

6.代码实现

（1）基本信息获取

#packages
library(ggplot2)
library(ggpubr)
library(survival)
library(survminer)

#data
data("lung")
print(head(lung))

#a <- Surv(time,status),create a survival data object
#survfit(a,data),create KM curve
fit <- survfit(Surv(time, status) ~ sex, data=lung)
print(fit)
#plot(fit)

#获取整体的拟合效果
##显示出详细信息
fit_1 <- summary(fit)
print(fit_1)
##对详细信息进行统计的结果
fit_2 <- summary(fit)$table
print(fit_2)

#获取具体到每个时间点的拟合效果
res.sum <- surv_summary((fit))
print(head(res.sum))

（2）绘制KM曲线

1°

#绘制拟合后的KM曲线
#主要使用Survminer包的ggsurvplot()函数
#代码在使用survfit()函数时用性别因子进行了分组，所以生存曲线有两组，即两条曲线。
#如果不想分组，将sex换成1即可
ggsurvplot(fit,
           pval = TRUE, conf.int = TRUE,
           risk.table = TRUE, # Add risk table
           risk.table.col = "strata", # Change risk table color by groups
           linetype = "strata", # Change line type by groups
           surv.median.line = "hv", # Specify median survival
           ggtheme = theme_bw(), # Change ggplot2 theme
           palette = c("#E7B800", "#2E9FDF")
)

效果图：

2°

#在参数里加上fun = "event"则可绘制cumulative events图
ggsurvplot(fit,
           conf.int = TRUE,
           risk.table.col = "strata", # Change risk table color by groups
           ggtheme = theme_bw(), # Change ggplot2 theme
           palette = c("#E7B800", "#2E9FDF"),
           fun = "event")

效果图：

3°

#如果想对不同组的生存率进行假设检验（Log-Rank test）的话，可以用survdiff()函数。
#Log-Rank test是无参数检验，近似于卡方检验，零假设是组间没有差异。
surv_diff <- survdiff(Surv(time, status) ~ sex, data = lung)
print(surv_diff)

结果展示：