jupyter 数据分析可视化案例_R语言生存分析数据分析可视化案例

原文链接：

原文链接：

http://tecdat.cn/?p=2858​tecdat.cn

目标

本文的目的是对如何在R中进行生存分析进行简短而全面的评估。关于该主题的文献很广泛，仅涉及有限数量的（常见）问题/特征。
可用的R包数量反映了对该主题的研究范围。

---

R包

可以使用各种R包来解决特定问题，并且还有替代功能来解决常见问题。以下是本次审查中用于读取，管理，分析和显示数据的软件包。
运行以下行以安装和加载所需的包。

if (!require(pacman)) install.packages("pacman") pacman::p_load(tidyverse, survival )

数据

该评价将基于orca数据集，该数据集包含来自基于人群的回顾性队列设计的数据。
它包括1985年1月1日至2005年12月31日期间芬兰最北部省份诊断为口腔鳞状细胞癌（OSCC）的338名患者的一部分。患者的随访始于癌症诊断之日，并于2008年12月31日死亡，迁移或随访截止日期结束。死亡原因分为两类：（1） ）OSCC死亡; （2）其他原因造成的死亡。
数据集包含以下变量：id=序号，sex=性别，类别1 =“女性”的因素，2 =“男性”，age=诊断癌症日期的年龄（年），stage=肿瘤的TNM分期（因子）：1 =“I”，...， 4 =“IV”，5 =“unkn” time=自诊断至死亡或审查的随访时间（以年为单位），event=结束随访的事件（因子）：1 =活检，2 =口腔癌死亡， 3 =其他原因造成的死亡。

将数据从URL加载到R中。

head(orca)

id sex age stage time event 1 1 Male 65.42274 unkn 5.081 Alive 2 2 Female 83.08783 III 0.419 Oral ca. death 3 3 Male 52.59008 II 7.915 Other death 4 4 Male 77.08630 I 2.480 Other death 5 5 Male 80.33622 IV 2.500 Oral ca. death 6 6 Female 82.58132 IV 0.167 Other death

summary(orca)

id sex age stage time event Min. : 1.00 Female:152 Min. :15.15 I :50 Min. : 0.085 Alive :109 1st Qu.: 85.25 Male :186 1st Qu.:53.24 II :77 1st Qu.: 1.333 Oral ca. death:122 Median :169.50 Median :64.86 III :72 Median : 3.869 Other death :107 Mean :169.50 Mean :63.51 IV :68 Mean : 5.662 3rd Qu.:253.75 3rd Qu.:74.29 unkn:71 3rd Qu.: 8.417 Max. :338.00 Max. :92.24 Max. :23.258

生存数据分析

生存分析侧重于事件数据的时间，通常称为故障时间，。在我们的例子中，是诊断后的死亡时间。ŤTŤ≥ 0T≥0ŤT

为了定义失效时间随机变量，我们需要：
1。时间起源（诊断OSCC），
2。时间尺度（诊断后的年数，年龄），
3。事件的定义。我们将首先考虑总死亡率（或全因死亡率） 。

​

图1：转换的框图。

Alive Oral ca. death Other death 109 122 107

FALSE TRUE 109 229

以图形方式显示观察到的随访时间对于生存数据的分析非常有帮助。

​

OSCC死亡更有可能在诊断后早期发生，而不是其他原因引起的死亡。审查的类型怎么样？

'Surv' num [1:338, 1:2] 5.081+ 0.419 7.915 2.480 2.500 0.167 5.925+ 1.503 13.333 7.666+ ... - attr(*, "dimnames")=List of 2 ..$ : NULL ..$ : chr [1:2] "time" "status" - attr(*, "type")= chr "right"

然后将创建的生存对象用作生存分析的其他特定函数中的响应变量。

---

估计生存功能

非参数估计

我们将首先介绍一类非参数估计（a。） 。

Kaplan–Meier

生存曲线基于每个独特死亡时间的风险数量和事件数量的列表。包的survfit()功能survival使用不同的方法创建（估计）生存曲线 。

Call: survfit(formula = Surv(time, all) ~ 1, data = orca) n events *rmean *se(rmean) median 0.95LCL 0.95UCL 338.000 229.000 8.060 0.465 5.418 4.331 6.916 * restricted mean with upper limit = 23.3

该print()函数仅返回估计的生存曲线的摘要。

time n.risk n.event n.censor surv std.err upper lower 1 0.085 338 2 0 0.9940828 0.004196498 1.0000000 0.9859401 2 0.162 336 2 0 0.9881657 0.005952486 0.9997618 0.9767041 3 0.167 334 4 0 0.9763314 0.008468952 0.9926726 0.9602592 4 0.170 330 2 0 0.9704142 0.009497400 0.9886472 0.9525175 5 0.246 328 1 0 0.9674556 0.009976176 0.9865584 0.9487228 6 0.249 327 1 0 0.9644970 0.010435745 0.9844277 0.9449699

该包中ggsurvplot()的专用功能survminer提供了估计的生存曲线的信息性说明。有关?ggsurvplot不同可能性（参数）的说明 。

​

默认的KM图表显示了生存函数。有几种替代方案/功能可供使用

可升降的或精算的估算器

生命方法在精算师和人口统计学中非常普遍。它特别适用于分组数据。

为了在实际示例中显示此方法，我们首先需要创建聚合数据，即将后续分组并在每个层中计算风险，事件和审查的人数。

基于分组的数据，我们估计会用存活曲线lifetab()的KMsurv包。

nsubs nlost nrisk nevent surv pdf hazard se.surv se.pdf se.hazard 0-1 338 0 338.0 64 1.0000 0.1893 0.2092 0.0000 0.0213 0.0260 1-2 274 4 272.0 41 0.8107 0.1222 0.1630 0.0213 0.0179 0.0254 2-3 229 9 224.5 21 0.6885 0.0644 0.0981 0.0252 0.0136 0.0214 3-4 199 12 193.0 20 0.6241 0.0647 0.1093 0.0265 0.0140 0.0244 4-5 167 9 162.5 13 0.5594 0.0448 0.0833 0.0274 0.0121 0.0231 5-6 145 14 138.0 13 0.5146 0.0485 0.0989 0.0279 0.0131 0.0274 6-7 118 5 115.5 8 0.4662 0.0323 0.0717 0.0283 0.0112 0.0254 7-8 105 8 101.0 9 0.4339 0.0387 0.0933 0.0286 0.0126 0.0311 8-9 88 7 84.5 1 0.3952 0.0047 0.0119 0.0288 0.0047 0.0119 9-10 80 4 78.0 8 0.3905 0.0401 0.1081 0.0288 0.0137 0.0382 10-11 68 4 66.0 5 0.3505 0.0266 0.0787 0.0291 0.0116 0.0352

Nelson-Aalen估计

图形比较

可以绘制不同的生存函数估计值来评估潜在的差异。