【原創(chuàng)】R語言生存分析可視化數(shù)據(jù)分析報告論文(附代碼數(shù)據(jù))

1、【原創(chuàng)】定制代寫開發(fā)輔導答疑r/python/spss/matlab/WEKA/sas/sql/C+/stata/eviews/Computerscienceassignment代寫/代做Project/數(shù)據(jù)挖掘和統(tǒng)計分析可視化調(diào)研報告/程序/PPT等/爬蟲數(shù)據(jù)采集服務（附代碼數(shù)據(jù)）,咨詢QQ：3025393450歡迎登陸官網(wǎng)：/datablogR語言生存分析可視化數(shù)據(jù)分析報告R中的生存分析安裝并加載所需的R包我們將使用兩個R包：生存用于計算存活分析用于總結(jié)和可視化生存分析結(jié)果的survminer安裝軟件包install.packages(c(survival,survminer)加載包lib

2、rary(survival)library(survminer)示例數(shù)據(jù)集我們將使用生存包中提供的肺癌數(shù)據(jù)。data(lung)有問題百度搜索“石屛*據(jù)”就可以了歡迎登陸官網(wǎng)：/databloghead(lung)insttimestatusagesexph.ecogph.karnopat.karnomeal.calwt.loss3306234552310101521021883212102217411906810901090119060101007411501001175NA9012251590NA156011501190NA0805130機構(gòu)：機構(gòu)代碼時間：以天為單位的生存時間狀態(tài)：審查狀

3、態(tài)1=審查，2=失效年齡：歲性別：男=1女=2ph.ecog：ECOG成績得分（0=好5=死）ph.karno：醫(yī)師對Karnofsky績效評分（差=0-好=100）pat.karno：Karnofsky表現(xiàn)評分，按患者評分meal.cal：用餐時消耗的卡路里wt.loss:最近六個月的體重減輕計算生存曲線：survfit（）我們要按性別計算生存率。函數(shù)survfit（）在生存包中可用于計算kaplan-Meier生存估計。其主要論點包括:歡迎登陸官網(wǎng)：/datablog使用Surv()函數(shù)創(chuàng)建的生存對象以及包含變量的數(shù)據(jù)集。要計算生存曲線，請輸入：fit-survfit(Surv(time,

4、status)sex,data=lung)print(fit)Call:survfit(formula=Surv(time,status)sex,data=lung)neventsmedian0.95LCL0.95UCLsex=1138112270212310sex=29053426348550默認情況下，函數(shù)print()顯示生存曲線的簡短摘要。它打印觀察值，事件數(shù)，中位生存率和中位值的置信度限制。如果要顯示生存曲線的更完整摘要，請鍵入以下內(nèi)容：Summaryofsurvivalcurvessummary(fit)Accesstothesortsummarytablesummary(fit)

5、$table訪問survfit()返回的值函數(shù)survfit()返回變量列表，包括以下組件：n：每條曲線中的對象總數(shù)。時間：曲線上的時間點。有問題百度搜索“柘花站居”就可以了歡迎登陸官網(wǎng)：/datablogn。風險：時間t處有風險的受試者人數(shù)n.event:在時間t發(fā)生的事件數(shù)。n。審查者：在時間t退出事件而不發(fā)生風險的審查者的數(shù)量。下，上：曲線的置信度上限和下限。分層：表示曲線估計的分層。如果地層不為NULL，則結(jié)果中有多條曲線。層次（因子）是曲線的標簽?？梢园匆韵路绞皆L問組件：dns38(100)78(57)31(22)136(4)2(1)K(10066(73)26(29)11(12)2(

6、2)0(0)02004006003001000TimeindaysTimeindaysKaplan-Meier圖可以解釋如下：橫軸（x軸）表示以天為單位的時間，縱軸（y軸）表示生存的可能性或生存的人口比例。線代表兩組的存活曲線。曲線中的垂直下降表示事件。曲線上的垂直刻度線表示此時已對患者進行檢查。在零時，生存概率為1.0（或100%的參與者還活著）。歡迎登陸官網(wǎng)：/datablog在時間250,性別=1的存活概率約為0.55（或55%），性別=2的存活概率約為0.75（或75%）。性別=2的中位生存期約為270天,性別=2的中位生存期約為426天,這表明性別=2的生存期高于性別=1可以使用以下

7、代碼獲得每組的中位生存時間：summary（fit）$tablerecordsn.maxn.startevents*rmean*se（rmean）median0.95LCL0.95UCLsex=1138138138112325.066322.59845270212310sex=290909053458.275733.78530426348550每組的中位生存時間代表生存概率S（t）為0.5的時間。性別=1（男性）的中位生存時間為270天，而性別=2（女性）則為426天。與男性相比，女性肺癌似乎具有生存優(yōu)勢。但是，要評估此差異是否具有統(tǒng)計學顯著性，需要進行正式的統(tǒng)計檢驗，這將在下一節(jié)中討論。注意

8、，置信極限在曲線的尾部很寬，很難進行有意義的解釋。這可以通過以下事實來解釋：在實踐中，通常有一些患者在隨訪結(jié)束時迷失了隨訪或存活。因此，明智的做法是在隨訪結(jié)束之前在x軸上縮短繪圖（Pocock等，2002）o可以使用參數(shù)xlim縮短生存曲線，如下所示：ggsurvplot（fit,=TRUE,risk.table.col=strata,#Changerisktablecolorbygroupsggtheme=theme_bw(),#Changeggplot2theme有問題百度搜索“匚石屛”就可以了歡迎登陸官網(wǎng)：/datablogpalette=c(#E7B800,#2E9FDF),xlim=

9、c(0,600)O.OD-020040DTime600+注意，可以使用參數(shù)fun指定三個經(jīng)常使用的轉(zhuǎn)換:“l(fā)og”：幸存者功能的對數(shù)轉(zhuǎn)換，事件”：繪制累積事件(f(y)=1-y)。也稱為累積發(fā)生率“cumhaz:”繪制了累積危害函數(shù)(f(y)=-log(y)例如，要繪制累積事件，請鍵入:ggsurvplot(fit,=TRUE,risk.table.col=strata,#Changerisktablecolorbygroups【原創(chuàng)】定制代寫開發(fā)輔導答疑r/python/spss/matlab/WEKA/sas/sql/C+/stata/eviews/Computerscienceassig

10、nment代寫/代做Project/數(shù)據(jù)挖掘和統(tǒng)計分析可視化調(diào)研報告/程序/PPT等/爬蟲數(shù)據(jù)采集服務（附代碼數(shù)據(jù)）,咨詢QQ：3025393450【原創(chuàng)】定制代寫開發(fā)輔導答疑r/python/spss/matlab/WEKA/sas/sql/C+/stata/eviews/Computerscienceassignment代寫/代做Project/數(shù)據(jù)挖掘和統(tǒng)計分析可視化調(diào)研報告/程序/PPT等/爬蟲數(shù)據(jù)采集服務（附代碼數(shù)據(jù)）,咨詢QQ：3025393450有問題百度搜索“石踹丸訂居”就可以了歡迎登陸官網(wǎng)：/datablogggtheme=theme_bw(),#Changeggplot2t

11、hemepalette=c(#E7B800,#2E9FDF),fun=event)Stratasex=1+56x=2三署pra-nujnuKaplan-Meier生命表：生存曲線摘要如上所述，您可以使用函數(shù)summary()來獲得生存曲線的完整摘要:summary(fit)有問題百度搜索“石屛*據(jù)”就可以了歡迎登陸官網(wǎng)：/datablog還可以使用功能surv_summary()在survminer程序包中獲取生存曲線的摘要。與默認的summary()函數(shù)相比，surv_summary()創(chuàng)建一個包含來自survfit結(jié)果的摘要的數(shù)據(jù)框。res.sum-surv_summary(fit)hea

12、d(res.sum)timen.riskn.eventn.censorsurvstd.errupperlowerstratasex1113800.97826090.012689781.00000000.9542301sex=11213500.97101450.014707470.99941240.9434235sex=11313400.95652170.018148850.99115860.9230952sex=11513200.94927540.019677680.98660170.9133612sex=12613100.94202900.021117080.98183650.9038355

13、sex=13013000.93478260.022484690.97689890.8944820sex=1函數(shù)surv_summary()返回包含以下列的數(shù)據(jù)幀：時間：曲線有階躍的時間點。n。風險：處于t風險中的受試者人數(shù)。n.event:在時間t發(fā)生的事件數(shù)。n。審查者：審查事件的數(shù)量。surv:估計生存概率。std.err：生存標準誤差。upper:置信區(qū)間的上限較低：置信區(qū)間的下限分層：表示曲線估計的分層。層次(因子)是曲線的標簽?！驹瓌?chuàng)】定制代寫開發(fā)輔導答疑r/python/spss/matlab/WEKA/sas/sql/C+/stata/eviews/Computerscience

14、assignment代寫/代做Project/數(shù)據(jù)挖掘和統(tǒng)計分析可視化調(diào)研報告/程序/PPT等/爬蟲數(shù)據(jù)采集服務(附代碼數(shù)據(jù)),咨詢QQ：3025393450有問題百度搜索“柘花站居”就可以了【原創(chuàng)】定制代寫開發(fā)輔導答疑r/python/spss/matlab/WEKA/sas/sql/C+/stata/eviews/Computerscienceassignment代寫/代做Project/數(shù)據(jù)挖掘和統(tǒng)計分析可視化調(diào)研報告/程序/PPT等/爬蟲數(shù)據(jù)采集服務(附代碼數(shù)據(jù)),咨詢QQ：3025393450有問題百度搜索“柘花站居”就可以了歡迎登陸官網(wǎng)：/datablog在生存曲線已擬合一個或多個

15、變量的情況下，surv_summary對象包含表示變量的額外列。這使得有可能按層次或某些因素組合來考慮ggsurvplot的輸出。surv_summary對象還有一個名為“表”的屬性，其中包含有關生存曲線的信息，包括具有置信區(qū)間的生存中位數(shù)以及每條曲線中受試者的總數(shù)和事件數(shù)。要訪問“表”屬性，請輸入以下內(nèi)容：attr(res.sum,table)比較生存曲線的Log-Rank檢驗：survdiff()對數(shù)秩檢驗是比較兩個或多個生存曲線的最廣泛使用的方法。零假設是兩組之間的生存率沒有差異。對數(shù)秩檢驗是一種非參數(shù)檢驗，它不對生存分布做出任何假設。本質(zhì)上，對數(shù)秩檢驗將每個組中觀察到的事件數(shù)與如果原假

16、設為真(即，生存曲線相同)時的預期事件數(shù)進行比較。對數(shù)秩統(tǒng)計量近似作為卡方檢驗統(tǒng)計量分布。函數(shù)survdiff()在生存包中可用于比較兩個或更多生存曲線的對數(shù)秩檢驗。survdiff()可以如下使用:surv_diff-survdiff(Surv(time,status)sex,data=lung)surv_diffCall:survdiff(formula=Surv(time,status)sex,data=lung)NObservedExpected(O-E)A2/E(O-E)A2/Vsex=113811291.64.5510.3sex=2905373.45.6810.3Chisq=10.

17、3on1degreesoffreedom,p=0.00131歡迎登陸官網(wǎng)：/datablog該函數(shù)返回組件列表，包括：n：每組的科目數(shù)。obs:每組中事件的加權觀測數(shù)量。exp：每個組中加權的預期事件數(shù)。chisq:用于檢驗相等性的卡方統(tǒng)計量。階層：(可選)每個階層中包含的主題數(shù)。生存差異的對數(shù)秩檢驗給出p值為p=0.0013，表明性別群體的生存差異顯著。擬合復雜的生存曲線在本節(jié)中，我們將使用多個因素的組合來計算生存曲線。接下來，我們將結(jié)合多種因素來研究ggsurvplot()的輸出1-使用結(jié)腸數(shù)據(jù)集擬合(復雜)生存曲線require(survival)fit2-survfit(Surv(ti

18、me,status)sex+rx+adhere,data=colon)1-使用survminer可視化輸出。下圖顯示了根據(jù)rx&粘附力值按性別分面的生存曲線。#Plotsurvivalcurvesbysexandfacetbyrxandadhereggsurv-ggsurvplot(fit2,fun=event,=TRUE,ggtheme=theme_bw()ggsurv$plot+theme_bw()+theme(legend.position=right)+facet_grid(rxadhere)【原創(chuàng)】定制代寫開發(fā)輔導答疑r/python/spss/matlab/WEKA/sas/sql

19、/C+/stata/eviews/Computerscienceassignment代寫/代做Project/數(shù)據(jù)挖掘和統(tǒng)計分析可視化調(diào)研報告/程序/PPT等/爬蟲數(shù)據(jù)采集服務(附代碼數(shù)據(jù)),咨詢QQ：3025393450有問題百度搜索“柘花站居”就可以了【原創(chuàng)】定制代寫開發(fā)輔導答疑r/python/spss/matlab/WEKA/sas/sql/C+/stata/eviews/Computerscienceassignment代寫/代做Project/數(shù)據(jù)挖掘和統(tǒng)計分析可視化調(diào)研報告/程序/PPT等/爬蟲數(shù)據(jù)采集服務（附代碼數(shù)據(jù)）,咨詢QQ：3025393450有問題百度搜索“刃端居”就可以了歡迎登陸官網(wǎng)：/datablog0.250.00075*+0.75G.50J0.00JG.25-Stratab-stjx=irx-=Ltu+5FU,-adhtsrt+sqk=0.rx=Lo