R - 生存分析

---

生存分析涉及预测特定事件发生的时间。它也称为故障时间分析或死亡时间分析。例如，预测癌症患者的生存天数或预测机械系统发生故障的时间。

名为survival的R包用于进行生存分析。该包包含函数Surv()，它将输入数据作为 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()创建分析图。

安装包

install.packages("survival")

句法

在 R 中创建生存分析的基本语法是 -

Surv(time,event)
survfit(formula)

以下是所使用参数的描述 -

• time是事件发生之前的后续时间。

• event表示预期事件发生的状态。

• 公式是预测变量之间的关系。

例子

我们将考虑上面安装的生存包中存在的名为“pbc”的数据集。它描述了原发性胆汁性肝硬化 (PBC) 患者的生存数据点。在数据集中存在的许多列中，我们主要关注“时间”和“状态”字段。时间表示患者登记与患者接受肝移植或患者死亡之间的事件发生之前之间的天数。

# Load the library.
library("survival")

# Print first few rows.
print(head(pbc))

当我们执行上面的代码时，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，我们正在考虑分析的时间和状态。

应用 Surv() 和 survfit() 函数

现在我们继续将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()

当我们执行上面的代码时，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 

上图中的趋势帮助我们预测一定天数结束时的生存概率。