R - Analiza przeżycia

Analiza przeżycia zajmuje się przewidywaniem czasu, w którym nastąpi określone wydarzenie. Jest również znany jako analiza czasu awarii lub analiza czasu do śmierci. Na przykład przewidywanie liczby dni, w których osoba chora na raka przeżyje lub przewidywanie czasu, w którym system mechaniczny ulegnie awarii.

Pakiet R. o nazwie survivalsłuży do przeprowadzania analizy przeżycia. Ten pakiet zawiera funkcjęSurv()który przyjmuje dane wejściowe jako formułę R i tworzy obiekt przetrwania wśród wybranych zmiennych do analizy. Następnie używamy funkcjisurvfit() aby stworzyć wykres do analizy.

Zainstaluj pakiet

install.packages("survival")

Składnia

Podstawowa składnia tworzenia analizy przetrwania w R to -

Surv(time,event)
survfit(formula)

Poniżej znajduje się opis użytych parametrów -

  • time to czas do wystąpienia zdarzenia.

  • event wskazuje stan wystąpienia spodziewanego zdarzenia.

  • formula to związek między zmiennymi predykcyjnymi.

Przykład

Rozważymy zestaw danych o nazwie „pbc” obecny w pakietach przetrwania zainstalowanych powyżej. Opisuje dane dotyczące przeżycia osób dotkniętych pierwotną marskością żółciową wątroby (PBC). Wśród wielu kolumn obecnych w zbiorze danych zajmujemy się przede wszystkim polami „czas” i „stan”. Czas reprezentuje liczbę dni między rejestracją pacjenta a wcześniejszym zdarzeniem między otrzymaniem przez pacjenta przeszczepu wątroby lub śmiercią pacjenta.

# Load the library.
library("survival")

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

Kiedy wykonujemy powyższy kod, daje on następujący wynik i wykres -

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

Na podstawie powyższych danych rozważamy czas i status naszej analizy.

Stosowanie funkcji Surv () i survival ()

Teraz przystępujemy do stosowania Surv() funkcji do powyższego zestawu danych i utwórz wykres, który pokaże trend.

# 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()

Kiedy wykonujemy powyższy kod, daje on następujący wynik i wykres -

Call: survfit(formula = Surv(pbc$time, pbc$status == 2) ~ 1)

      n  events  median 0.95LCL 0.95UCL 
    418     161    3395    3090    3853

Tendencja na powyższym wykresie pomaga nam przewidzieć prawdopodobieństwo przeżycia pod koniec określonej liczby dni.