前言
醫學研究中，為了探討某疾病的死亡率以及存活率，因此進行存活分析。 通常會設定一個起始時間(starting point)，例如確診某疾病的時間或是接受手術的時間點，並且觀察特定事件(event)(i.e., 死亡或疾病復發)，進一步計算疾病的存活率。存活分析的資料特色為依變項(Y)同時為連續且具有類別的性質且有設限資料 (censoring)。
程式範例
讀檔: read.csv
使用套件: survival
存活分析需使用套件 “ survival ” ，若未安裝以指令 “library(packagename)” 呼叫套件，再執行 “install.packages(“packagename”)”。
轉換資料格式: Surv
在存活分析中，反應變數由存活時間(Survival time)及事件(Event)的狀態兩種變數所組成，需要將資料格式轉換為存活資料的格式，藉由 “Surv()” 指令
其中 Anderson$Survt 為存活時間，Anderson$Relapse為事件狀態(0=設限; 1=復發，即發生事件)。
存活資料: survfit
接著，利用指令“survfit( )”獲得 K-M 估計式，其中 “survfit( )” 的 “my.surv” 指存活資料，因為希望看到不同治療組別的存活曲線是否有明顯差異，因此“~ Rx”指將存活資料以不同的治療組別進行計算，檔案為“Anderson”。
繪製: plot
再利用指令 “plot()” 完成繪製圖形。
其中 “conf.int = T/F” 表示是否要加入信賴區間，“mark.time = T/F” 為是否要將設限時間標示出來，“col=” 線的顏色，“ lwd＝” 線的粗細， “cex.lab=” 座標軸字體大小，“cex.main=”主標題字體大小，“main=” 標題名稱， “xlab=” x軸名稱，“ ylab=” y 軸名稱。
圖例: legend
最後一個步驟使用指令“legend()”告知 R，該如何製作這張圖的圖例。
“topright” 為圖例位置，“col=”顏色與圖中的線一樣，“bty=n”表示不要有外框， “names(km.fit$strata[1])” 表示以 “km.fit”分層中的第一個分層的名稱命名。即完成 Kaplan-Meier 的繪製。
參考資料
- Data from Freireich et al., “The effect of 6-mercaptopurine on the duration of steroid-induced remissions in acute leukemia,” Blook 21, 699–716, 1963.
- Author:Julie
- URL:https://tw.julies.pro/article/how-to-plot-survival-curve-in-r
- Copyright:All articles in this blog, except for special statements, adopt BY-NC-SA agreement. Please indicate the source!