R 简明教程

R - Survival Analysis

生存分析用于预测特定事件发生的的时间。它也称为失效时间分析或死亡时间分析。例如,预测患有癌症的人的存活天数或预测机械系统何时失效。

名为 survival 的 R 包用于执行生存分析。此包包含函数 Surv() ,该函数将输入数据作为 R 公式,并在选定的变量中创建生存对象以进行分析。然后,我们使用函数 survfit() 为分析创建绘图。

Install Package

install.packages("survival")

Syntax

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 -

  1. time 是直到事件发生时的后续时间。

  2. event 表示预期事件发生的状态。

  3. formula 是预测变量之间的关系。

Example

我们将在上述安装的生存包中考虑名为“pbc”的数据集。它描述了患有原发性胆汁性肝硬化 (PBC) 的人的生存数据点。在数据集中存在的众多列中,我们主要关注字段“时间”和“状态”。时间表示患者登记到患者接受肝移植或死亡之间发生的事件的时间,以较早者为准。

# 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

从以上数据中,我们考虑时间和状态来进行分析。

Applying Surv() and survfit() Function

现在,我们开始将 Surv() 函数应用到以上数据集,并创建一个用于显示趋势的绘图。

# 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
survival

上图中的趋势帮助我们预测在一定数量的日期结束时存活的概率。