📅  最后修改于: 2020-11-29 07:57:16             🧑  作者: Mango
生存分析用于预测特定事件将要发生的时间。这也称为故障时间分析或死亡时间分析。例如,预测癌症患者生存的天数或预测机械系统将要发生故障的时间。
名为生存的R包用于进行生存分析。该程序包包含函数Surv() ,该函数将输入数据作为R公式,并在所选变量中创建一个生存对象以进行分析。然后,我们使用函数survfit()来创建分析图。
install.packages("survival")
在R中创建生存分析的基本语法是-
Surv(time,event)
survfit(formula)
以下是所用参数的描述-
时间是事件发生之前的跟进时间。
event表示预期事件的发生状态。
公式是预测变量之间的关系。
我们将考虑以上安装的生存软件包中存在的名为“ pbc”的数据集。它描述了患有肝原发性胆汁性肝硬化(PBC)的人的生存数据点。在数据集中存在的许多列中,我们主要关注的是“时间”和“状态”字段。时间代表从患者登记到患者接受肝移植或患者死亡之间的事件发生之间的天数。
# Load the library.
library("survival")
# Print first few rows.
print(head(pbc))
当我们执行上述代码时,它会产生以下结果和图表-
id time status trt age sex ascites hepato spiders edema bili chol
1 1 400 2 1 58.76523 f 1 1 1 1.0 14.5 261
2 2 4500 0 1 56.44627 f 0 1 1 0.0 1.1 302
3 3 1012 2 1 70.07255 m 0 0 0 0.5 1.4 176
4 4 1925 2 1 54.74059 f 0 1 1 0.5 1.8 244
5 5 1504 1 2 38.10541 f 0 1 1 0.0 3.4 279
6 6 2503 2 2 66.25873 f 0 1 0 0.0 0.8 248
albumin copper alk.phos ast trig platelet protime stage
1 2.60 156 1718.0 137.95 172 190 12.2 4
2 4.14 54 7394.8 113.52 88 221 10.6 3
3 3.48 210 516.0 96.10 55 151 12.0 4
4 2.54 64 6121.8 60.63 92 183 10.3 4
5 3.53 143 671.0 113.15 72 136 10.9 3
6 3.98 50 944.0 93.00 63 NA 11.0 3
根据以上数据,我们正在考虑进行分析的时间和状态。
现在,我们将Surv()函数应用于上述数据集,并创建一个显示趋势的图。
# Load the library.
library("survival")
# Create the survival object.
survfit(Surv(pbc$time,pbc$status == 2)~1)
# Give the chart file a name.
png(file = "survival.png")
# Plot the graph.
plot(survfit(Surv(pbc$time,pbc$status == 2)~1))
# Save the file.
dev.off()
当我们执行上述代码时,它会产生以下结果和图表-
Call: survfit(formula = Surv(pbc$time, pbc$status == 2) ~ 1)
n events median 0.95LCL 0.95UCL
418 161 3395 3090 3853
上图中的趋势有助于我们预测一定天数结束时的生存概率。