R语言生存分析之组间生存曲线的对比: Log-Rank检验绘制漂亮的生存曲线
Posted Data+Science+Insight
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了R语言生存分析之组间生存曲线的对比: Log-Rank检验绘制漂亮的生存曲线相关的知识，希望对你有一定的参考价值。
R语言生存分析之组间生存曲线的对比: Log-Rank检验、绘制漂亮的生存曲线
Log-rank检验是比较两条生存曲线的常用方法。
要比较两种手术方式是否有差异，且仅有一个分析因素（手术方式），可绘制Kaplan-Meier生存曲线观察两组生存曲线，并可选用Log Rank法、Breslow法（即广义Wilcoxon法）比较两组患者的生存曲线是否有差异。
Log Rank检验给结局事件的远期差别更大的权重，即对远期差异敏感；而Breslow检验给结局事件的近期差别更大的权重。因此，对于一开始粘在一起，随时时间的推移越拉越开的生存曲线，Log Rank检验较Breslow检验容易得到差异有显著性的结果；反之，对于一开始相差较大，随着时间的推移反而越来越近的生存曲线，Breslow法容易得到差异有显著性的结果。
用Log Rank检验比较时，要求各组生存曲线不能交叉，如果有交叉则提示可能存在混杂因素，此时应进行样本分层或多因素的方法校正混杂因素。
#logrank检验案例1
#install.packages("survival")
library(survival)
example15_3 <- read.table ("example15_3.csv", header=TRUE, sep=",")
attach(ex
以上是关于R语言生存分析之组间生存曲线的对比: Log-Rank检验绘制漂亮的生存曲线的主要内容，如果未能解决你的问题，请参考以下文章
R语言使用timeROC包计算无竞争情况下的生存资料多时间AUC值R语言使用timeROC包的plotAUCcurve函数可视化多时间生存资料的不同标记物情况下对应的AUC曲线并进行对比
R语言生存分析预测中位生存时间生存曲线可视化log-rank检验HR值分析：基于survival包lung数据集
R语言Kaplan-Meier绘制生存分析Log-rank假设检验Cox回归曲线实战案例：恶性黑色素瘤的术后数据生存分析