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 3Na 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.