R包survival,survminer生存分析代码

主要函数Usage
Surv(time, time2, event,
type=c('right', 'left', 'interval', 'counting', 'interval2', 'mstate'),
origin=0)

ggsurvplot(
fit,
data = NULL,
fun = NULL,
color = NULL,
palette = NULL,
linetype = 1,
conf.int = FALSE,
pval = FALSE,
pval.method = FALSE,
test.for.trend = FALSE,
surv.median.line = "none",
risk.table = FALSE,
cumevents = FALSE,
cumcensor = FALSE,
tables.height = 0.25,
group.by = NULL,
facet.by = NULL,
add.all = FALSE,
combine = FALSE,
ggtheme = theme_survminer(),
tables.theme = ggtheme,
...
)

# 加载包
library("survival")
library("survminer")setwd("/test")class(lung)
head(lung)
table(lung$sex)#创建生存曲线
fit<- survfit(Surv(time, status) ~ sex, data = lung)# Fit a stratified model
data2 <- lung
data2['elder'] <- data2$age >= 60
fit2 <-survfit(Surv(time, status) ~ sex+ strata(elder), data = data2)# Fit Cox比例风险回归模型。
coxph(Surv(time, status) ~ sex, data = lung)
coxph(Surv(time, status) ~ sex + strata(elder), data = data2)# 创建一个数据框，其中包含来自survfit结果的摘要。
res.sum <- surv_summary(fit,data=lung)# 保存生存分析图文件
tiff('test_km.tiff', units="in", width=5, height=4, res=600, compression = 'lzw')
# Drawing Survival Curves Using ggplot2
ggsurvplot(fit,surv.plot.height = 1,# tables.height = 0.01,# tables.width = 0.01,xlab= "Survival time (days)",conf.int = TRUE,risk.table = TRUE,risk.table.col = "strata",linetype = "strata",surv.median.line = "hv",ggtheme = theme_bw(),# palette = c("#E7B800", "#2E9FDF"),pval = TRUE)ggsurvplot(fit, conf.int = TRUE, risk.table.col = "strata", # Change risk table color by groups ggtheme = theme_bw(), # Change ggplot2 theme palette = c("#E7B800", "#2E9FDF"), fun = "event")# fun: "event" plots cumulative events (f(y) = 1-y),
# "cumhaz" plots the cumulative hazard function (f(y) = -log(y)),
# and "pct" for survival probability in percentage.dev.off()# 测试生存曲线差异
surv_diff <- survdiff(Surv(time, status) ~ sex, data = lung)

R包survival,survminer生存分析代码相关推荐

R 回归虚拟变量na_R语言 | 生存分析之R包survival的单变量和多变量Cox回归
生存分析之R包survival的单变量和多变量Cox回归续前文生存分析(Survival Analysis). 在前文初步简介了生存分析的概念,以及展示了一种生存分析模型Kaplan-Meier的使用 ...
R语言教程：生存分析
生存分析处理预测特定事件将要发生的时间.它也被称为故障时间分析或分析死亡时间.例如,预测患有癌症的人将存活的天数或预测机械系统将失败的时间. 命名为survival的R语言包用于进行生存分析.此包包含 ...
R语言Kaplan-Meier绘制生存分析、Log-rank假设检验、Cox回归曲线实战案例：恶性黑色素瘤的术后数据生存分析
R语言Kaplan-Meier绘制生存分析.Log-rank假设检验.Cox回归曲线实战案例:恶性黑色素瘤的术后数据生存分析目录
R包vegan的冗余分析（RDA）
冗余分析(Redundancy analysis,RDA)是一种回归分析结合主成分分析的排序方法,也是多响应变量(multi-response)回归分析的拓展.在群落分析中常使用RDA,将物种多度的变 ...
用R语言进行KM生存分析
欢迎关注"生信修炼手册"! R是数据分析常用的软件之一,通过各种功能强大的R包,可以简单方便的实现各种分析.在R语言中,能够进行生存分析的R包很多,survival和survmin ...
r library car_用R来做Kaplan-Meier 生存分析
首先是在自己服务器里安装R,这一步可以直接借用conda来完成,推荐用jupyter notebook来运行R简单好用~,具体设置的可以参考"jupyter notebook中添加 R内核& ...
R语言学习 - 非参数法生存分析
微信公众号:http://blog.genesino.com 生存分析指根据试验或调查得到的数据对生物或人的生存时间进行分析和推断,研究生存时间和结局与众多影响因素间关系及其程度大小的方法,也称生存率 ...
R语言学习 - 非参数法生存分析--转载
生存分析指根据试验或调查得到的数据对生物或人的生存时间进行分析和推断,研究生存时间和结局与众多影响因素间关系及其程度大小的方法,也称生存率分析或存活率分析.常用于肿瘤等疾病的标志物筛选.疗效及预后的考 ...
【Bioinfo Blog 012】【R Code 010】——生存分析(Kaplan-Meier Cox)
目录一.生存分析(Survival Analysis)基本概念 1.1 随访研究 1.2 起始事件与终点事件 1.3 生存时间 1.4 生存函数(Survival Function) 1.5 常用指 ...
R语言如何在生存分析与Cox回归中计算IDI，NRI指标
在诊断试验中,我们比较两个模型的优劣时,除了可以比较两个模型roc外,还可以用定量的指标来比较一个模型比另外一个模型诊断准确率改进的程度.我们围绕生存分析技术进行一些咨询,帮助解决独特的业务问题. ...

R包survival,survminer生存分析代码

R包survival,survminer生存分析代码相关推荐

最新文章

热门文章