目标: 本文的目的是描述生存分析的基本概念。在癌症研究中,大部分生存分析使用以下方法:Kaplan-Meier绘制可视化生存曲线对数秩检验比较两组或更多组的生存曲线Cox比例风险回归来描述变量对生存的影响。 安装并加载所需的R包我们将使用两个R包:生存计算生存分析survminer的总结和可视化生存分析结果安装软件包 install.packages(c('survival','survminer')) library('survival') library('survminer') 示例数据集,我们将使用生存包中提供的肺癌数据。 data('lung') 计算生存曲线:survfit() 例如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存活估计。其主要论点包括: 使用函数Surv()创建的生存对象和包含变量的数据集。 fit<-survfit(Surv(time,status)~sex,data=lung) 默认情况下,函数print()显示生存曲线的简短摘要。它显示观察次数,事件数量,中位数生存和中位数的置信限。如果要显示生存曲线的更完整摘要: summary(fit) 可视化生存曲线: 我们将使用函数ggsurvplot()(在SurvminerR软件包中)来生成两组受试者的生存曲线。命令如下: ggsurvplot(fit,risk.table=T,pval =T,conf.int = T) risk.table表示风险个体的数量和/或百分比。risk.table允许的值包括:指定是否显示风险表的TRUE或FALSE。默认值是FALSE。 使用参数conf.int = TRUE的幸存函数的95%置信区间。 Log-Rank测试的p值使用pval = TRUE比较组。 也可以进一步定制使用以下参数: conf.int.style =“step”改变置信区间带的样式。 xlab更改x轴标签。 break.time.by = 200在时间间隔中将x轴断开200。 risk.table =“abs_pct”显示绝对数量和风险个体的百分比。 risk.table.y.text.col = TRUE和risk.table.y.text= FALSE在风险表的文本注释中提供条而不是名称。 ncensor.plot = TRUE绘制在时间t的审查主题的数量。这是对生存曲线的一个很好的附加反馈,所以人们可以认识到:生存曲线是怎样的,风险集合的数量是多少,风险集合的大小是多少?由事件或审查事件造成的? legend.labs更改图例标签。 命令如下: ggsurvplot(fit,pval = T,conf.int =T,conf.int.style ='step',break.time.by = 200,risk.table='abs_pct',risk.table.y.text = FALSE,ncensor.plot = TRUE) 参考文献: http://blog.sina.com.cn/s/blog_14154cb430102wxah.html |
|
来自: Jennymgozseons > 《待分类》