【Bioinfo Blog 012】【R Code 010】——生存分析(Kaplan-Meier & Cox)

一、生存分析(Survival Analysis)基本概念

1.1 随访研究

随访研究(follow-up study)是一种前瞻性(试验or调查)研究。

1.2 起始事件与终点事件

起始事件(initial event)：反应生存时间起始特征的事件，如疾病确诊、某种疾病治疗开始等。

失效事件(failure event)：在生存分析随访研究过程中，一部分研究对象可观察到死亡，可以得到准确的生存时间，它提供的信息是完全的，这种事件称为失效事件，也称之为死亡事件、终点事件。

起始事件和失效事件是相对而言的，它们都由研究目的决定，在设计时须明确规定，并在研究期间严格遵守，不能随意改变。

1.3 生存时间

广义上指某个起点事件开始到某个终点事件发生所经历的时间，度量单位可以是年、月、日、小时等，常用符号t所示。

生存时间类型

1. 完全数据(complete data)
   观察对象在观察期内出现终点事件，记录到的时间信息是完整的，这种生存时间数据称为完全数据。
2. 截尾数据(censored data)
   尚未观察到研究对象出现终点事件时，即由于某种原因停止了随访，这时记录到的时间信息是不完整的，这种生存时间数据称为不完全数据或截尾值。常用符号“＋”表示。

截尾的原因
主要有3种：
①失访(lost of follow up)：中途失访：包括拒绝访问、失去联系等。
②退出(quit of experiment)：中途退出试验、改变治疗方案。死于其它与研究无关的原因：如肺癌患者死于心机梗塞、自杀或因车祸死亡，终止随访时间为死亡时间。
③终止(terminated)：指观察期结束时仍未出现结局。

生存时间资料的整理

1. 对于随访资料，需记录的原始数据包括
   开始观察的时点、终止观察的时点、研究对象的结局、考虑的影响因素。
2. 生存时间为反映时间长短的指标，属数值变量：
   生存时间(t)= 终止观察的时点–开始观察的时点；
3. 结局变量(δ)反映终点事件是否发生，为二分类的变量。
4. 通常用(t, δ)完整地表示一个观察对象的随访结果。

1.4 生存函数(Survival Function)

1.5 常用指标

1.2 主要内容及研究方法

二、Kaplan-Meier 生存曲线

2.1 生存率估计的概率乘法原理

举例：

2.2 R语言实现

2.2.1 环境搭建

# install.packages("survminer")
# install.packages("survival")

library(survival)
library(ggplot2)
library(ggpubr)
library(survminer)
library(dplyr)