可下载资源

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？

生存函数和风险函数

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

R生存分析

生存分析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。

计算生存曲线：survfit（）

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生存估计。

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：

print(fit)

       n events median 0.95LCL 0.95UCL
sex=1 138    112    270    212    310
sex=2  90    53    426    348    550

默认情况下，函数print（）显示生存曲线的摘要。它显示观察数，事件数量，中位数生存和中位数的置信区间。

如果要显示生存曲线的更完整摘要，请输入以下内容：

# 生存曲线摘要
summary(fit)# 
summary(fit)$table

可视化生存曲线

我们 生成两组受试者的生存曲线。

ggplot(fit,
          pval = TRUE, conf.int = TRUE,
          risk.table = TRUE, # 添加风险表
          risk.table.col = "strata", # 按组更改风险表颜色

legend.labs更改图例标签。

ggplot(
   fit,                     # 具有计算统计信息的survfit对象。
   pval = TRUE,             # 显示对数秩检验的p值。
   conf.int = TRUE,         # 显示生存曲线点估计的置信区间。
   conf.int.style = "step",  # 自定义置信区间样式
   xlab = "Time in days",   # 自定义X轴标签。
   break.time.by = 200,     # 以200的时间间隔打断X轴。
   ggtheme = theme_light(), # 使用主题自定义绘图和风险表。
   risk.table = "abs_pct",  # 绝对数值

使用参数xlim可以缩短生存曲线范围，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：

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：

summary(fit)

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：

 surv_diff


N Observed Expected (O-E)^2/E (O-E)^2/V
sex=1 138      112    91.6      4.55      10.3
sex=2  90      53    73.4      5.68      10.3
Chisq= 10.3  on 1 degrees of freedom, p= 0.00131

可视化输出。下面的图显示了性别变量根据rx＆adhere的值的生存曲线。

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软件包来执行和可视化生存分析）。