如何进行大数据中R语言的生存分析，针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

站在用户的角度思考问题，与客户深入沟通，找到铜梁网站设计与铜梁网站推广的解决方案，凭借多年的经验，让设计与互联网技术结合，创造个性化、用户体验好的作品，建站类型包括：成都网站制作、成都网站建设、外贸营销网站建设、企业官网、英文网站、手机端网站、网站推广、域名注册、网页空间、企业邮箱。业务覆盖铜梁地区。

一、基本概念

生存分析：研究各个因素与生存时间有无关系以及关联程度大小。可拓展到疾病复发时间，机器的故障时间等。
起始事件：反应研究对象开始生存过程的起始特征事件。
终点事件（死亡事件）：出现研究者所关心的特定结局。如“病人因该疾病死亡”。
观察时间：从研究开始观察到研究观察结束的时间。
生存时间：观察到的存活时间，用符号t表示。
完全数据：从观察起点到死亡事件所经历的时间，生存时间是完整的。
截尾数据（删失值）：观察时间不是由于终点事件而结束的，而是由于(1)失访(2)死于非研究因素(3)观察结束而对象仍存活以上三种原因结束的。常在截尾数据的右上角放一个“+”表示其实该对象可能活的更久。

变量：生存分析的变量有两个：生存时间t和结局变量(0-1)。其中结局变量1表示死亡事件，0表示截尾。
生存曲线：以生存时间为横轴、生存率为纵轴绘制一条生存曲线。
中位生存时间：又称为生存时间的中位数，表示刚好有50%的个体其存活期大于该时间。

二、生存分析研究的部分内容
1、描述生存过程
研究生存时间的分布特点，估计生存率及其标准误、绘制生存曲线。常用方法有乘积极限法（K-M法）和寿命表法，此处简单介绍乘积极限法（K-M法）。
http://www.360doc.com/content/17/0626/11/6175644_666623573.shtml此处形象的说明了KM曲线能告诉我们什么，以及乘积极限法的基本原理。
注：生存曲线为单因素分析（两个或者多个水平），用中位生存时间表示生存时间的平均水平；

2、比较生存过程
获得生存率及其标准误的估计值后，可以进行两组或多组生存曲线的比较，常用方法有对数秩检验(log-rank检验)。如曲线交叉，可能存在混杂因素。
注：两个或者多个生存曲线的比较（单因素两个或者多个水平）

3、影响生存时间的因素分析
常用的多因素生存分析方法：Cox比例风险回归模型。可能后面会啰嗦。

三、R包进行生存分析
1、R-survival包进行生存分析，并绘制KM曲线图：

Surv：用于创建生存数据对象
survfit：创建KM生存曲线或是Cox调整生存曲线
survdiff：用于不同组的统计检验
coxph：构建COX回归模型 （待）
cox.zph：检验PH假设是否成立 （待）

#载入包，读取数据

library(survival)
dat <- read.table('Test.txt',header=TRUE)

1） 估计生存函数，观察不同组间的区别 
# 估计KM生存曲线
# OS_time：跟踪到的存活时间
# OS_Status: 跟踪到的存活状态
# COV1:表示按照COV1进行分组
fit <- survfit(Surv(dat$OS_time,as.numeric(dat$OS_Status))~dat$COV1,data=dat)

# 获得的survial列就是生存率
summary(fit)

2） 比较不同因子分组的生存效果，检验显著性

survdiff(Surv(dat$OS_time,as.numeric(dat$OS_Status))~dat$COV1,data=dat)

3） 绘制KM曲线图
#横轴表示生存时间，纵轴表示生存概率，为一条梯形下降的曲线。下降幅度越大，表示生存率越低或生存时间越短。
plot(fit,xlab="Time(Days)",ylab="Survival",main="",col=c("blue","red"),lty=2,lwd=2)
legend("topright",c("A","B"),col=c("blue","red"),lty=2,lwd=2,cex=0.7)

2、R-survminer包绘制KM曲线图：图形更精美，展示效果更好。
library("survminer") #载入R包

fit<- survfit(Surv(time, status) ~ sex, data = lung) #读取数据

#绘制KM图

ggsurvplot(fit, data = lung,
surv.median.line = "hv", # Add medians survival
# Change legends: title & labels
legend.title = "Sex",legend.labs = c("Male", "Female"),
# Add p-value and tervals
pval = TRUE,pval.size = 3,
# Change censor
censor.shape = 124,censor.size = 2,
conf.int = FALSE,# 有无置信区间
break.x.by = 100, #横轴坐便
# Add risk table
risk.table = TRUE,tables.height = 0.2,tables.theme = theme_cleantable(),
#palette = c("#E7B800", "#2E9FDF"),
palette = c("blue", "purple"),
ggtheme = theme_bw(), # Change ggplot2 theme
# Change font size, style and color
main = "Survival curve",
font.main = c(16, "bold", "darkblue"),
font.x = c(14, "bold.italic", "red"),
font.y = c(14, "bold.italic", "darkred"),
font.tickslab = c(12, "plain", "darkgreen")
)

关于如何进行大数据中R语言的生存分析问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注创新互联行业资讯频道了解更多相关知识。

网站栏目：如何进行大数据中R语言的生存分析
分享网址：http://chengdu.cdxwcx.cn/article/pseehs.html