极客教程R语言 生存分析
生存分析是用来预测特定事件发生的时间的分析方法。它也被称为失效时间分析或生存时间分析。例如，预测癌症患者存活的天数或者预测机械系统故障的时间等。
R包中的 survival 用于进行生存分析。该包中包含了函数 Surv() ，该函数将输入数据作为R公式，并在选择的变量中创建一个生存对象用于分析。然后，我们使用函数 survfit() 创建分析的图表。
安装包
install.packages("survival")
语法
在R中创建生存分析的基本语法如下：
Surv(time,event)
survfit(formula)
以下是使用的参数的说明：
- time 是跟进时间，直到事件发生。
-
event 表示预期事件的发生状态。
-
formula 是预测变量之间的关系。
示例
我们将考虑上述安装的survival包中的数据集名为“pbc”。该数据集描述了肝脏原发性胆汁性肝硬化（PBC）患者的生存数据点。在数据集中的许多列中，我们主要关心“time”和“status”字段。时间表示患者登记和患者接受肝脏移植或患者去世之间的事件天数。
# Load the library.
library("survival")
# Print first few rows.
print(head(pbc))
当我们执行上面的代码时，它产生了以下的结果和图表 −
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
从上述数据中，我们考虑时间和状态进行分析。
应用Surv()和survfit()函数
现在我们开始应用 Surv() 函数到上述数据集，并创建一个显示趋势的图表。
# Load the library.
library("survival")
# Create the survival object.
survfit(Surv(pbctime,pbcstatus == 2)~1)
# Give the chart file a name.
png(file = "survival.png")
# Plot the graph.
plot(survfit(Surv(pbctime,pbcstatus == 2)~1))
# Save the file.
dev.off()
当我们执行上面的代码时，会产生以下结果和图表：
Call: survfit(formula = Surv(pbctime, pbcstatus == 2) ~ 1)
n events median 0.95LCL 0.95UCL
418 161 3395 3090 3853
以上图表中的趋势可以帮助我们预测在一定天数结束时的生存概率。