R语言生存分析

最新推荐文章于 2025-06-14 00:11:26 发布

Tiaaaaa

最新推荐文章于 2025-06-14 00:11:26 发布

阅读量2.7w

点赞数 13

CC 4.0 BY-SA版权

分类专栏： R常用数据分析模型文章标签：数据分析 r语言生存分析

本文链接：https://blog.csdn.net/Tiaaaaa/article/details/58144188

自己整理编写的R语言常用数据分析模型的模板，原文件为Rmd格式，直接复制粘贴过来，作为个人学习笔记保存和分享。部分参考薛毅的《统计建模与R软件》和《R语言实战》

生存分析是研究生存时间的分布规律，以及生存时间和相关因素之间关系的一种统计分析方法。生存分析在医学科学研究中具有广泛而重要的应用价值，它对人群寿命的研究，各种慢性疾病的现场追踪研究，临床疗效试验和动物试验等研究中随访资料的处理骑着举足轻重的作用。

I. 生存曲线

例. 某医生收集到35例白血病患者治疗后的生存时间t（月），仔细观察后发现这些病人中有一部分出现了白细胞（WBC）倍增的现象。现将他们按是否出现WBC倍增分成两组如下（注：负值代表删失数据），试用寿命表法分析患者有无WBC倍增，对其生存时间长短有无显著影响。

输入data，变为表格形式：

A=data.frame()
#输入变量
x=c(2, -2.5, 3.5, 4, 4, -5, 6, -6, 7, -7, 8, -9, 10.5, 12.5, 19, 2.5, 5, 7, -8.5, 9, -10, 11, -11, 12, 13, -14, 15, -16, 17, -18, 19, -20, 21, 24, 32)
#若survt小于0(代表数据删失)，则变量censor赋值为1，否则，赋值为0
for (i in 1:length(x))
{
  A[i,1]=x[i]
  if(A[i,1]<0)
    A[i,2]=1
  else
    A[i,2]=0
}
#分为high-wbc和low-wbc两组
A[,3] <- c(rep("high",15),rep("low",20))
A[,1] <- abs(x)
#变量命名
names(A) <- c("survt","censor",