根据生存曲线的估计，可以推断出相比组之间存活时间的差异，因此生存曲线非常有用，几乎可以在每个生存分析中看到。

由Kaizong Ye，Qing Li撰写

根据生存曲线的估计，可以推断出相比组之间存活时间的差异，因此生存曲线非常有用，几乎可以在每个生存分析中看到。

可下载资源

完整程序、数据和文档（word）

我们可以创建简单的生存曲线估计。让我们来看看患有卵巢癌（卵巢浆液性囊腺癌）和患有乳腺癌（乳腺浸润癌）的患者之间存活时间的差异。

× 基本概念和名词解释

1.生存分析（survival analysis）

是研究生存现象和响应时间数据及其统计规律的一门学科。
是将事件的结果（终点事件）和出现这一结果所经历的时间结合起来分析的一种统计分析方法。
生存分析与其他多因素分析最大的区别，就是生存分析考虑了观测结果出现的时间长短。

2.生存时间（survival time, failure time）

终点事件与起始事件之间的时间间隔。
终点事件：研究者所关系的特定结局。
起始事件：反应研究对象生存过程的起始特征的事件。

终点事件与起始事件是相对而言的，都是由特定的研究目的所决定的，是整个研究过程的标尺，需要在设计时明确规定，并在研究期间严格遵守，不能随意改变。

生存时间举例

起始事件		终点事件
服药	—–>	痊愈
手术切除	—–>	死亡
染毒	—–>	死亡
化疗	—–>	缓解
缓解	—–>	复发

 
fit <- survfit(Surv(times, patient.vital_status) ~ admin.disease_code,
               data = BRCAOV.survInfo)
# 可视化

视频

R语言生存分析Survival analysis原理与晚期肺癌患者分析案例

探索见解 ➜

去bilibili观看 ➜

探索更多视频 ➜

这个简单的图表以优雅的方式呈现了生存概率的估计值，该估计值取决于根据癌症类型分组的癌症诊断天数和信息风险集表，其中显示了在特定时间段内观察的患者数量。生存分析是一个特定的数据分析领域，因为事件数据的审查时间，因此风险集大小是视觉推理的必要条件。

ggplot(
   fit,                     # 生存数据对象.
   data = BRCAOV.survInfo,  # 生存数据. 
   risk.table = TRUE,       # 风险表.
   pval = TRUE,             #    Logrank检验p-value
   conf.int = TRUE,         # 生存曲线置信区间.
   xlim = c(0,2000),         
                            #生存预测.
   break.time.by = 500,      
   ggtheme = theme_minimal(),  
 risk.table.y.text.col = T,  
  risk.table.y.text = FALSE  
)