python实现生存分析（Survival Analysis）

已于 2022-10-26 16:38:33 修改
阅读量4.8k 收藏 51
点赞数 2
分类专栏： python 生物信息学 文章标签： python Kaplan-Meier 1024程序员节
于 2022-09-15 15:51:05 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39579290/article/details/126857884
版权

目录

一、生存分析

二、生存分析中涉及的基本概念

2.1 生存时间（survival time）

2.2 完全数据（complete data）

2.3 截尾数据（censored data）

2.4 中位生存期（median survival time）

三、Kaplan-Meier生存分析

四、python代码

4.1 数据展示

4.2 基本分析及绘图

4.3 结果图展示具体参考数据

​4.4 P值计算

五、【扩展】六大肿瘤临床试验终点（End Point）

5.1 OS（overall survival）

5.2 ORR（objective response rate）

5.3 PFS（progression-free survival）

5.4 TTP（time to progress）

5.5 DFS（disease-free survival）

5.6 TTF（time to treatment failure）

六、总结

一、生存分析

        在医学或者公共卫生研究中，慢性疾病的发生、发展、预后一般不适用于治愈率、病死率等指标来考核，因为其无法在短时间内明确判断预后情况，为此，只能对患者进行长期随访，统计一定时期后的生存或死亡情况以判断诊疗效果；这样的研究往往会产生带有结局的生存时间资料，英文是time-to-event资料。在分析方法上，需要采用生存分析方法。

        也就是说生存分析是将事件的结果（终点事件）和出现这一结果所经历的时间结合起来分析的一种统计分析方法。

参考网站：统计基本功：一文搞懂生存分析 - 知乎 (zhihu.com)

需要注意的是，生存分析考虑了每个观测出现某一结局的时间长短。

二、生存分析中涉及的基本概念

2.1 生存时间（survival time）

生存时间是指终点事件与起始事件之间的时间间隔。例如：服药到痊愈，化疗到缓解，缓解到复发都是起始事件到终点事件。

2.2 完全数据（complete data）

完全数据是从起点到死亡（死于所研究疾病）所经历的时间。

2.3 截尾数据（censored data）

截尾数据也成为删失数据，从七点到截尾点所经历的时间。

截尾原因：失访、死于其它疾病、观察结束时病人尚存活等。

2.4 中位生存期（median survival time）

中位生存期又称为半数生存期，表示恰好有50%的个体尚存活的时间。

中位生存期越长，表示疾病的预后越好。

可以参考生存分析的一些整理笔记_为你千千万万遍z的博客-CSDN博客_生存分析整理的笔记。

三、Kaplan-Meier生存分析

 KM是一种单因素生存分析，主要研究一个因素对于生存时间的影响。

参考网站：Kaplan-Meier生存分析的结果解读和绘制方法 - 简书 (jianshu.com)

四、python代码

4.1 数据展示

TCGA_miRNA_list_data.csv中的部分数据展示如下：

cancerOS.statusOS.timePFI.statusPFI.timeABCB7ABL1ACTL8ACTN1ADAMTS20AIMP1ANXA2ANXA5APPL1ARHGDIBARASF1B
TCGA.OR.A5J8ACC157915307.727512.31921.963812.36220.50029.953913.61914.11148.842112.46224.84639.3267
TCGA.OR.A5JFACC02015020158.715411.81370.47110.2134010.489112.793215.32819.11169.94152.39167.0048
TCGA.OR.A5JKACC01497014978.094410.819010.37111.717310.718112.153614.77579.341211.85593.1098.5439
TCGA.OR.A5JMACC15621727.364511.03180.51710.258209.465613.163613.263610.1977.77550.51710.4527
TCGA.OR.A5JSACC038311668.444611.5596011.83510.45429.770313.422412.591810.21018.38673.50589.7868
TCGA.OR.A5JTACC090709078.860511.15681.75229.36320.559510.338911.821614.36699.94689.79967.62658.2102
TCGA.OR.A5JWACC02202022029.159511.4993010.7717010.088312.991514.20249.61689.47016.45026.7905
TCGA.OR.A5JXACC095009508.295911.7674011.143409.747813.586414.98239.827210.63675.72495.8108
TCGA.OR.A5JYACC15521758.812910.454909.41010.53399.826611.059313.463710.042110.13170.922710.2351
TCGA.OR.A5JZACC082212479.086811.60108.648709.769612.446113.25710.470610.21837.48388.8595
TCGA.OR.A5K2ACC19941978.659511.31871.447610.085809.715213.198213.14939.487710.108509.5083
TCGA.OR.A5K4ACC01082010829.448211.40076.37157.767010.630810.353914.053410.48718.53666.863110.0056
TCGA.OR.A5K5ACC149811087.917111.1059010.3746010.375911.987214.65859.38868.721909.4401
TCGA.OR.A5KVACC03878111168.63610.89091.34639.4854010.337612.635311.9099.43648.14032.27997.0995
TCGA.OR.A5LBACC1120416119.41711.648010.51530.950510.413510.613914.34989.69539.10033.66187.2921
TCGA.OU.A5PIACC0117113518.805411.7289012.39590.650910.334611.467714.67259.53569.29496.65498.0372
TCGA.PK.A5HBACC0129312139.498112.37242.07311.6983010.021713.682512.79719.69879.87544.77949.8079
TCGA.4Z.AA7NBLCA11367013678.338411.1338012.157909.738713.723511.95149.96413.20537.11798.0355
TCGA.5N.A9KMBLCA153012768.20548.8837012.2982010.306110.73389.926810.469112.822.877.2103
TCGA.BL.A3JMBLCA120511118.619510.7479011.75581.792410.025312.089512.39510.87189.97791.24429.9155
TCGA.BT.A20OBLCA137013158.795811.03291.008112.65193.10179.848114.528713.298110.274112.93652.33499.5308
TCGA.BT.A2LDBLCA162315557.777110.1681011.759909.476816.055213.112810.00912.84771.80439.7329
TCGA.BT.A3PHBLCA114211427.802310.3221012.0565010.08313.75219.56110.384911.24682.27610.5126
TCGA.CF.A1HSBLCA038211338.565211.29262.197413.0882010.157314.617212.66239.949910.96562.197410.2776
TCGA.CF.A27CBLCA042504258.07979.4013011.6254010.509513.54397.5249.798112.74566.82128.7635
TCGA.CF.A3MFBLCA038303837.48399.873010.60809.900412.12149.19978.595112.27152.38918.8282
TCGA.CF.A3MHBLCA039803987.71379.52721.14111.326809.976514.778811.71979.035913.17943.95089.5042
TCGA.CF.A47SBLCA033303337.96869.9432011.2289010.210212.992110.11919.036812.52941.47717.2587
TCGA.CF.A47TBLCA138511397.727110.13172.81611.12834.009510.469912.728710.46039.044112.002309.6026
TCGA.CF.A47VBLCA037903797.45769.8486011.174309.613312.42210.85658.628312.71993.13229.002
TCGA.CF.A47XBLCA038403847.790811.2318010.20915.599910.491911.61088.289210.425811.36277.32356.2421
TCGA.CU.A72EBLCA141312569.060910.14531.15912.28956.180210.141216.299812.627410.274512.43345.98819.5979
TCGA.DK.A1AEBLCA049112117.438611.01332.942411.4543.63510.476914.379112.215110.85949.44746.981710.1378

4.2 基本分析及绘图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

from lifelines import KaplanMeierFitter
ct = ['BLCA']
f = "hsa-miR-1275"
data_Dir = "./data/TCGA/TCGA_miRNA_list_data.csv"
# 读取csv文件
data = pd.read_csv(data_Dir)
print(data.columns)
# 获取只有cancer name为ct列表中癌症名的数据
data = data[data['cancer'].isin(ct)]
# 获取只有参与计算的列数据
data = data.loc[:, ['cancer', 'OS.status', 'OS.time', 'PFI.status', 'PFI.time', f]]
# 填充因子列的缺失值
data[f] = data[f].fillna(0)
# 删除f列为0值或者NA值的行数据
data = data[-data[f].isin([0])]
groups = data[f]
fig, ax = plt.subplots(figsize=(10, 8))
# 根据基因表达量的中位数进行分组
i1 = (groups > np.median(groups))
i2 = (groups < np.median(groups))
# 开始KM分析绘图
kmf1 = KaplanMeierFitter()
kmf1.fit(data['OS.time'][i1], data['OS.status'][i1], label='High expression')
a1 = kmf1.plot()
kmf1.fit(data['OS.time'][i2], data['OS.status'][i2], label='Low expression')
plt.xlim([0, 2000])
plt.xticks([0, 400, 800, 1200, 1600, 2000], fontsize=20)
plt.yticks([0.00, 0.25, 0.50, 0.75, 1.00], fontsize=20)
plt.xlabel('Time(days)', fontsize=30)
plt.ylabel("Overall survival", fontsize=30)
plt.legend(loc='best', frameon=False)
kmf1.plot(ax=a1)
plt.show()
plt.savefig(r"C:\Users\Admin\Desktop\km1.png")

结果图如下：

4.3 结果图展示具体参考数据

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from lifelines.plotting import add_at_risk_counts
from lifelines import KaplanMeierFitter
ct = ['BLCA']
f = "hsa-miR-1275"
data_Dir = "./data/TCGA/TCGA_miRNA_list_data.csv"
# 读取csv文件
data = pd.read_csv(data_Dir)
print(data.columns)
# 获取只有cancer name为ct列表中癌症名的数据
data = data[data['cancer'].isin(ct)]
# 获取只有参与计算的列数据
data = data.loc[:, ['cancer', 'OS.status', 'OS.time', 'PFI.status', 'PFI.time', f]]
# 填充因子列的缺失值
data[f] = data[f].fillna(0)
# 删除f列为0值或者NA值的行数据
data = data[-data[f].isin([0])]
groups = data[f]
# 根据基因表达量的中位数进行分组
i1 = (groups > np.median(groups))
i2 = (groups < np.median(groups))
# 开始KM分析绘图
fig,ax = plt.subplots(figsize=(12,12))
high=KaplanMeierFitter().fit(data['OS.time'][i1], data['OS.status'][i1], label='High expression')
ax = high.plot_survival_function(ax=ax)
low=KaplanMeierFitter().fit(data['OS.time'][i2], data['OS.status'][i2], label='Low expression')
ax = low.plot_survival_function(ax=ax)
plt.xlim([0, 2000])
plt.xticks([0, 400, 800, 1200, 1600, 2000], fontsize=20)
plt.yticks([0.00, 0.25, 0.50, 0.75, 1.00], fontsize=20)
plt.xlabel('Time(days)', fontsize=30)
plt.ylabel("Overall survival", fontsize=30)
plt.legend(loc='best')
add_at_risk_counts(high, low, ax=ax)
plt.tight_layout()
plt.show()
plt.savefig(r"C:\Users\Admin\Desktop\km1.png",dpi=500)

结果图展示如下：

 4.4 P值计算

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from lifelines.statistics import logrank_test
ct = ['BLCA']
f = "hsa-miR-1275"
data_Dir = "./data/TCGA/TCGA_miRNA_list_data.csv"
data = pd.read_csv(data_Dir)
print(data.columns)
data = data[data['cancer'].isin(ct)]
data = data.loc[:, ['cancer', 'OS.status', 'OS.time', 'PFI.status', 'PFI.time', f]]
data[f] = data[f].fillna(0)
data = data[-data[f].isin([0])]
groups = data[f]
i1 = (groups > np.median(groups))
i2 = (groups < np.median(groups))
result = logrank_test(data['OS.time'][i1],data['OS.time'][i2],  data['OS.status'][i1],data['OS.status'][i2])
result.print_summary()
print("P_value=",result.p_value)

结果图展示如下：

 更多相关代码可参考网站：python数据分析案例-利用生存分析Kaplan-Meier法与COX比例风险回归模型进行客户流失分析与剩余价值预测_吴下阿泽的博客-CSDN博客写的比较详细。

五、【扩展】六大肿瘤临床试验终点（End Point）

5.1 OS（overall survival）

总生存率：定义为从随机化开始至（因任何原因）死亡的时间。

5.2 ORR（objective response rate）

客观缓解率：定义为肿瘤体积缩小达到预先规定值并能维持最低时限要求的患者比例，为完全缓解和部分缓解比例之和。

5.3 PFS（progression-free survival）

无进展生存率：定义为从随机化开始到肿瘤发生（任何方面）进展或（因任何原因）死亡之间的时间。

5.4 TTP（time to progress）

疾病进展时间：定义为从随机化开始到肿瘤发生（任何方面）进展的时间。

5.5 DFS（disease-free survival）

无病生存期：定义为从随机化开始至疾病复发或（因任何原因）死亡之间的时间。

5.6 TTF（time to treatment failure）

治疗失败时间：定义为：由随机化开始至「退出试验」，退出原因可能是患者拒绝、疾病进展、患者死亡、不良事件等。

参考网址：

1.OS、PFS、DFS 有什么区别？一文搞懂 6 大肿瘤临床试验终点_圈子_医脉通 (medlive.cn)

2.OS/PFS/DFS/DSS各种生存指标傻傻分不清 - 简书 (jianshu.com)

六、总结

1.保存图片设置分辨率的参数为dpi。

2.设置字体大小的参数为fontsize。

3.做KM分析图展示单个具体数据的参数为at_risk_counts=True，也可以直接调用plot_survival_function()函数。

4.做KM分析图展示多个具体数据的参数为add_at_risk_counts()函数。

5.缺失值填充采用fillna函数。

6.上述代码中横坐标设置的是固定的值，所以如果数据过多会导致数据展示不完全，而数据过少又会导致曲线过于集中，也就是曲线长度太短而造成结果展示不太美观，所以横坐标可以通过分组类别的最大值和最小值进行设置。例如：

min_value = min(data[TIME]) - 5
max_value = max(data[TIME]) + 5
plt.xlim([min_value, max_value])
plt.xticks(np.linspace(min_value, max_value, 5), fontsize=23)
plt.yticks([0.00, 0.25, 0.50, 0.75, 1.00], fontsize=23)

浅沫～
关注
  • 2
    点赞
  • 踩
  • 51
    收藏
    觉得还不错? 一键收藏
  • 10
    评论
专栏目录
python生存分析入门
Andy_shenzl的博客
06-03 5349
引入 什么是生存分析 生存分析是对生存资料的分析。所谓生存资料是指描述寿命或者一个发生时间的数据。通过对某一具有相同特质的群体进行数据分析，我们可以得到这类人活过一定时间的概率。这就叫做生存分析。一个人的生存时间长短与许多因素有关，研究各个因素与生存时间有无关系以及关联程度大小，这也是生存分析。推广来说，疾病的复发可以看做“健康期”的生存，机器的故障可以看做“机器”的生存，甚至下岗职工再就业可以看做“失业期”的生存，生存分析可以被推广至很多问题的分析中去。 应用场景 生存分析最早在生物医学中使用的最多，用来
Python数据分析教程07：使用lifeline开展KM生存分析
AmieeXue的博客
02-08 896
生存分析基础API的使用
python数据分析案例-利用生存分析Kaplan-Meier法与COX比例风险回归模型进行客户流失分析与剩余价值预测
maiyida123的博客
08-16 1万+
利用Kaplan-Meier法与COX比例风险回归模型比较了不同特征对于客户流失的影响，并且预测了客户的生存时长，计算了其剩余价值以及潜在可提升的价值。
生命线：Python中的生存分析
02-05
生存分析最初是由精算和医学界开发并广泛应用的。 其目的是回答为什么现在发生事件而不是后来在不确定性下发生（事件可能指死亡，疾病缓解等）。 这对于对测量寿命感兴趣的研究人员非常有用：他们可以回答诸如哪些因素可能影响死亡的问题？ 但是，除了医学和精算科学外，生存分析还有许多其他有趣而激动人心的应用。 例如： SaaS提供商对衡量订户的生存期或采取某些第一行动的时间感兴趣 库存缺货是对商品真正“需求”的审查事件。 社会学家对衡量政党的一生，人际关系或婚姻感兴趣 A / B测试可确定不同组执行一项操作需要多长时间。 lifelines是生存分析的最佳部分的纯Python实现。 记录和生存分析简
Python绘制列线图
医学和生信笔记的博客
05-05 628
主要是调节一下字体、标签啥的，和R语言中各种列线图的丰富选项是不能比的哈~下面是使用演示，首先需要自己准备一个excel文件，这个文件内容长这样：出图如下：作者觉得相比于R和SAS，这个包绘制列线图的优势是可以显示risk，这是其他方式不具备的。使用时记得引用文献：这个文献中还比较了一下和SAS、R中绘制列线图的异同：所以你会使用这个python库绘制列线图吗？公众号后台回复列线图即可获取列线图绘制合集，包括各种花里胡哨的列线图！
用lifelines进行生存分析【Python版】
weixin_42990106的博客
02-24 8348
开篇语 生存分析在医学研究中占有很大的比例，而且进行生存分析时，多用R语言、SPSS等工具进行生存分析，用python进行生存分析不多。因为发现一个python版的生存分析工具—lifelines ，这个库已经提供比较完善的生存分析相关的工具。自己又最近学习生存分析，然后结合lifelines开始编写这个项目。写代码的同时，也对一些生存分析中概念性的名词，根据自己的理解一起展示出来。因为是边学边写，有错误的地方请指正 。 #安装生存分析用的python库----lifelines #lifelines相关
生存分析利器：Python 中的 Kaplan-Meier Fitter 类详解
u014264373的博客
05-16 2055
是lifelines库中用于计算生存分析的一个类。使用KaplanMeierFitter类，我们可以对我们的数据进行不同组之间的生存分析，比如根据年龄、性别、治疗手段等分类变量进行分组分析。该类包含许多方法和属性，其中最常用的是fit()方法和plot()方法。
一篇项目走进生存分析(Survival Analysis)的世界【Python版
m0_63642362的博客
03-05 5387
使用Python版生存分析工具LifeLines，对乳腺癌数据进行生存分析。
python 生存分析_生存分析之KM法
weixin_39583521的博客
12-08 2979
KM法即乘积极限法(product-limit method)，是现在生存分析最常用的方法，是由Kaplan和Meier于1958年提出，因此称Kaplan-Meier法，通常简称KM法。KM法是这样估计生存曲线：首先计算出活过一定时期的病人再活过下一时期的概率(即生存概率)，然后将逐个生存概率相乘，即为相应时段的生存率。与KM法类似的还有寿命表法，两者的区别在于：寿命表在计算生存概率时，以一定的...
scikit-survival：基于scikit-learn的生存分析
02-04
`scikit-survival` 是一个基于Python的机器学习库，它扩展了广受欢迎的`scikit-learn`框架，为生存分析提供了丰富的工具和算法。 **一、安装与依赖** 要使用`scikit-survival`，首先需要确保已安装了`scikit-learn`...
orange3-survival-analysis:Orange用于Orange3数据挖掘套件的生存分析附加组件
03-16
Orange3-生存分析 Orange3生存分析附加的数据挖掘套件。 安装 通过选项-加载项从Orange加载项安装程序进行安装。 要从源代码运行安装加载项 pip install . 要向Orange注册此附加组件，但将代码保留在开发目录中...
Survival_Analysis:非参数，半参数和参数模型的生存分析
05-17
本笔记本演示了生存分析的基础知识，生存分析是一种使用Python分析事件数据时间的方法。 它有6个部分。 生存分析和本笔记本中使用的数据的简要介绍 非参数方法：Kaplan-meier曲线，≥2组的对数秩检验统计 半参数...
TFDeepSurv:张量流实现的COX比例风险模型和生存分析
05-07
通过张量流实现Deep Cox比例风险模型和生存分析。 建议的TensorFlow版本为1.15.3。 并且模块测试在TensorFlow-1.15.3下通过了。 注意： 已发布。 旧版本位于分支archive_v1 。 与v1.0版本相比，当前版本有了很大...
python机器学习-乳腺癌细胞挖掘和生存分析（2024年新版）
toby001111的博客
04-08 1390
python机器学习-乳腺癌细胞挖掘和生存分析（2024年新版）
数据分析学习总结笔记13：生存分析及Python实现
weixin_41961559的博客
04-18 7557
文章目录1 引言2 定义3 数学直观4 Kaplan-Meier 估计5 Cox比例风险模型6 总结 1 引言 生存分析是一套统计方法，用来解决诸如“多长时间后，某个特定事件发生”这样的问题; 换句话说，也可以称之为**“事件时间分析”**。 这种方法被称为生存分析，是由于主要是由医学研究人员开发的，他们更感兴趣的是寻找不同群体患者的预期寿命(例如: 用药物a治疗的组群1和用药物b治疗的组群2)。...
生存分析序章4——生存分析之Python篇：自定义方法与进阶技术探索
theskylife的博客
01-16 1063
在生存分析领域，Python提供了丰富的工具和库，使得我们能够进行灵活且高效的数据分析与挖掘。本文将深入探讨生存分析中的自定义方法和进阶技术，带您走进生存曲线的定制、高级Cox模型的应用，以及处理截尾与左删失数据的策略。同时，我们将揭示生存分析在机器学习中的应用，包括与预测模型的集成，为您提供更全面的视角。
数据分析系列：生存分析（生存曲线分析、Cox回归分析）——附生存分析python代码。
热门推荐
u011517132的博客
04-15 2万+
上一篇文章写了数据分析系列：归因分析原理、案例和python代码。但是现实中用户所归属的渠道可能很多，比如用户在网上商城的首页点击了一个产品，又在其他公众号的相关推荐点击了此产品，最终进行了下单，那这个产品的订单应该归属于哪个渠道？这就是归因分析中的多渠道归因。 对于多渠道归因，有一些启发式的归因方法，比如“最终点击”（将订单归属于最后一个渠道）、“非最终点击”（归属于倒数第二个渠道）、“首次点击...
生存分析survival_analysis_COXmodel_python实现
一蓑烟雨任平生
12-28 892
生存分析（在工程中也称为可靠性分析）的目标是建立协变量与事件发生时间之间的联系。该算法起源于临床医学研究，往往主要目标是预测死亡时间，即生存。生存分析时一种回归问题（人们想要预测一个连续的值），它与传统回归的不同之处在于，部分训练数据只能被部分观察到（它们被删减了）。例如：考虑一项临床研究，该研究调查了冠心病，时间跨度为1年。如图所示。患者A在3个月后失去随访，无心血管事件记录，患者B在入组4个半月后发生事件，患者D在入组2个月后退出研究，患者E在研究结束前未发生任何事件。
快醒醒，别睡了!...讲《数据分析pandas库》了—/—＜4＞
最新发布
qq_64603703的博客
07-27 656
详细解说数据分析pandas库中的常用方法
用Python实现生存曲线图
11-25
生存曲线图是生存分析中常用的一种图形展示方式，Python中可以使用 lifelines 库来实现生存曲线图的绘制。具体步骤如下： 1.安装 lifelines 库 ```shell !pip install lifelines ``` 2.导入所需库和数据 ```python import pandas as pd from lifelines import KaplanMeierFitter import matplotlib.pyplot as plt # 读取数据 data = pd.read_csv('survival_data.csv') ``` 3.对数据进行预处理 ```python # 将时间和事件列提取出来 time = data['time'] event = data['event'] # 将事件列中的0和1替换为False和True event = event.replace({0: False, 1: True}) ``` 4.使用 KaplanMeierFitter 计算生存曲线数据 ```python # 创建 KaplanMeierFitter 对象 kmf = KaplanMeierFitter() # 使用 fit() 方法计算生存曲线数据 kmf.fit(time, event) ``` 5.绘制生存曲线图 ```python # 使用 plot() 方法绘制生存曲线图 kmf.plot() # 添加图例、坐标轴标签等 plt.title('Survival Curve') plt.xlabel('Time') plt.ylabel('Survival Probability') plt.show() ```
评论 10
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值