R語言關於生存分析知識點總結
生存分析處理預測特定事件將要發生的時間。 它也被稱為故障時間分析或分析死亡時間。 例如,預測患有癌癥的人將存活的天數或預測機械系統將失敗的時間。
命名為survival的R語言包用於進行生存分析。 此包包含函數Surv(),它將輸入數據作為R語言公式,並在選擇的變量中創建一個生存對象用於分析。 然後我們使用函數survfit()創建一個分析圖。
安裝軟件包
install.packages("survival")
語法
在R語言中創建生存分析的基本語法是
Surv(time,event) survfit(formula)
以下是所使用的參數的描述
- time是直到事件發生的跟蹤時間。
- event指示預期事件的發生的狀態。
- formula是預測變量之間的關系。
例
我們將考慮在上面安裝的生存包中存在的名為“pbc”的數據集。 它描述瞭關於受肝原發性膽汁性肝硬化(PBC)影響的人的生存數據點。 在數據集中存在的許多列中,我們主要關註字段“time”和“status”。 時間表示在接受肝移植或患者死亡的患者的登記和事件的較早之間的天數。
# Load the library. library("survival") # Print first few rows. print(head(pbc))
當我們執行上面的代碼,它產生以下結果及圖表
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
從上述數據,我們正在考慮分析的時間和狀態。
應用Surv()和survfit()函數
現在我們繼續應用Surv()函數到上面的數據集,並創建一個將顯示趨勢圖。
# 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()
當我們執行上面的代碼,它產生以下結果及圖表
Call: survfit(formula = Surv(pbc$time, pbc$status == 2) ~ 1) n events median 0.95LCL 0.95UCL 418 161 3395 3090 3853
上圖中的趨勢有助於我們預測在特定天數結束時的生存概率。
到此這篇關於R語言關於生存分析知識點總結的文章就介紹到這瞭,更多相關R語言生存分析內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!