R语言生存分析入门

前言

生存分析对应于一组统计方法，用于调查感兴趣事件发生所花费的时间。生存分析被用于各种领域，例如：癌症研究为患者生存时间分析，“事件历史分析”的社会学在工程的“故障时间分析”。在癌症研究中，典型的研究问题如下：某些临床特征对患者的生存有何影响？个人三年存活的概率是多少？各组患者的生存率有差异吗？

目标：

本文的目的是描述生存分析的基本概念。在癌症研究中，大部分生存分析使用以下方法：Kaplan-Meier绘制可视化生存曲线对数秩检验比较两组或更多组的生存曲线Cox比例风险回归来描述变量对生存的影响。

安装并加载所需的R包我们将使用两个R包：生存计算生存分析survminer的总结和可视化生存分析结果安装软件包

install.packages(c('survival','survminer'))

library('survival')

library('survminer')

示例数据集，我们将使用生存包中提供的肺癌数据。

data('lung')

计算生存曲线：survfit（）

例如我们要按性别来计算生存概率。

函数survfit（）可以被用来计算Kaplan-Meier存活估计。其主要论点包括：

使用函数Surv（）创建的生存对象和包含变量的数据集。

fit<-survfit(Surv(time,status)~sex,data=lung)

默认情况下，函数print（）显示生存曲线的简短摘要。它显示观察次数，事件数量，中位数生存和中位数的置信限。如果要显示生存曲线的更完整摘要：

summary(fit)

可视化生存曲线：

我们将使用函数ggsurvplot（）（在SurvminerR软件包中）来生成两组受试者的生存曲线。命令如下：

ggsurvplot(fit,risk.table=T,pval =T,conf.int = T)

risk.table表示风险个体的数量和/或百分比。risk.table允许的值包括：指定是否显示风险表的TRUE或FALSE。默认值是FALSE。

使用参数conf.int = TRUE的幸存函数的95%置信区间。

Log-Rank测试的p值使用pval = TRUE比较组。

也可以进一步定制使用以下参数：

conf.int.style =“step”改变置信区间带的样式。

xlab更改x轴标签。

break.time.by = 200在时间间隔中将x轴断开200。

risk.table =“abs_pct”显示绝对数量和风险个体的百分比。

risk.table.y.text.col = TRUE和risk.table.y.text= FALSE在风险表的文本注释中提供条而不是名称。

ncensor.plot = TRUE绘制在时间t的审查主题的数量。这是对生存曲线的一个很好的附加反馈，所以人们可以认识到：生存曲线是怎样的，风险集合的数量是多少，风险集合的大小是多少？由事件或审查事件造成的？

legend.labs更改图例标签。

命令如下：

ggsurvplot(fit,pval = T,conf.int =T,conf.int.style ='step',break.time.by = 200,risk.table='abs_pct',risk.table.y.text = FALSE,ncensor.plot = TRUE)

参考文献：

http://blog.sina.com.cn/s/blog_14154cb430102wxah.html