R语言生存分析可视化分析
Posted tecdat
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语言生存分析可视化分析相关的知识,希望对你有一定的参考价值。
完整原文链接:http://tecdat.cn/?p=5438
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?
基本概念
在这里,我们从定义生存分析的基本术语开始,包括:
生存时间和事件
生存功能和危险功能
癌症研究中的生存时间和事件类型
有不同类型的事件,包括:
复发
死亡
从“应对治疗”(完全缓解)到发生感兴趣事件的时间通常称为生存时间(或事件发生的时间)。
癌症研究中两个最重要的措施包括:i)死亡时间;和ii)无复发存活时间,其对应于治疗反应与疾病复发之间的时间。它也被称为无病生存时间和无事件生存时间。
如上所述,生存分析侧重于直到发生感兴趣事件(复发或死亡)的预期持续时间。
Kaplan-Meier生存评估
Kaplan-Meier(KM)方法是一种非参数方法,用于估计观察到的生存时间的生存概率(Kaplan和Meier,1958)。
知识管理生存曲线是知识管理生存概率与时间的关系曲线,它提供了一个有用的数据总结,可以用来估计诸如中位生存时间之类的衡量指标。
R生存分析
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
示例数据集
我们将使用生存包中提供的肺癌数据。
inst:机构代码
时间:以天为单位的生存时间
状态:审查状态1 =审查,2 =死亡
年龄:年龄
性别:男= 1女= 2
ph.ecog:ECOG表现评分(0 =好5 =死)
ph.karno:Karnofsky表现评分(bad = 0-好= 100)由医师评定
pat.karno:Karnofsky表现评分由患者评估
膳食:餐时消耗的卡路里
wt.loss:过去六个月的体重下降
计算生存曲线:survfit()
我们要按性别来计算生存概率。
功能survfit()[在存活包]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
要计算生存曲线,请输入以下内容:
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,请输入以下内容:
可视化生存曲线
我们 生成两组受试者的生存曲线。
legend.labs更改图例标签。
每组的中位生存时间表示生存概率S(t)为0.5的时间。
使用参数xlim可以缩短生存曲线,如下所示:
请注意,可以使用参数fun指定三个经常使用的转换:
的累积性危险是常用来估计危险概率。
Kaplan-Meier生命表:生存曲线的总结
如上所述,您可以使用函数summary()来获得生存曲线的完整摘要:
在生存曲线已经与一个或多个变量拟合的情况下,surv_summary对象包含表示变量的额外列。这使得有可能根据地层或某些因素的组合来面对ggsurvplot的输出。
Log-Rank检验比较生存曲线:survdiff()
对数秩检验是比较两条或更多条生存曲线的最广泛使用的方法。零假设是两组在生存期间没有差异。
可以使用survdiff()如下:
存活率差异的对数秩检验给出p = 0.0013的p值,表明性别组在存活方面差异显着。
复杂的生存曲线
在本节中,我们将使用多个因素的组合计算生存曲线。接下来,我们将面向ggsurvplot()的输出结合因素
使用幸存者可视化输出。下面的图显示了性别变量根据rx&adhere的值生存的曲线。
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?
概要
生存分析是一组数据分析的统计方法,其中感兴趣的结果变量是事件发生之前的时间。
在这篇文章中,我们演示了如何使用两个R软件包的组合来执行和可视化生存分析:生存(用于分析)和生存者(用于可视化)。
有问题欢迎联系我们!
大数据部落 -中国专业的第三方数据服务提供商,提供定制化的一站式数据挖掘和统计分析咨询服务
统计分析和数据挖掘咨询服务:y0.cn/teradat(咨询服务请联系官网客服)
【服务场景】
科研项目; 公司项目外包;线上线下一对一培训;数据采集;学术研究;报告撰写;市场调查。
【大数据部落】提供定制化的一站式数据挖掘和统计分析咨询
欢迎选修我们的R语言数据分析挖掘必知必会课程!
以上是关于R语言生存分析可视化分析的主要内容,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语言使用cox函数构建生存分析回归模型使用subgroupAnalysis进行亚组分析并可视化森林图
R语言使用cox函数构建生存分析回归模型使用subgroupAnalysis进行亚组分析并可视化森林图
R语言使用survminer包生存分析及可视化(ggsurvplot)实战详解:从数据集导入生存对象生成ggsurvplot可视化参数配置设置可视化对比
R语言使用coxph函数构建生存分析回归模型,使用forestmodel包的forest_model函数可视化生存回归模型对应的森林图
R语言使用coxph函数构建生存分析回归模型,使用forestmodel包的forest_model函数可视化生存回归模型对应的森林图