生存分析绘图——Kaplan-Meier生存曲线

 讲原理，方法：
生存分析 简明教程 | Kaplan-Meier | Cox 比例风险回归模型 | 教程推荐在生物医学研究中， 生存分析 是非常重要和常见的分析方法。本文对生存分析中的，Kaplan–Meier 模型、Cox 比例风险模型进行了简要而详尽的概述，帮助大家更好的理解生存分析等相关概念。本文适用于生物医学专业初学者以及对生存分析感兴趣的非专业人士。http://thisis.yorven.site/blog/index.php/2020/04/06/survival-analysis/

      补充：讲解KM曲线   

一文快速看懂生存曲线（KM曲线） - 知乎在ASCO、ESMO等国际肿瘤大会里，我们时常会看到PPT里面有 生存曲线 出现在PPT中，大多数是以横坐标为时间，纵坐标为生存率/非病情进展率来体现。 对于完全未接触过此类图的人来说，即便把所有英文变成了中文依然有…https://zhuanlan.zhihu.com/p/433854280

（关于假设：Cox比例风险模型的假设检验条件 ）

第三十讲 R语言-Cox比例风险模型的假设检验条件 - 知乎在介绍完 Cox比例风险模型的详细理论和R实现以后（插入链接！！！），我们已经知道Cox比例风险模型可以较好的同时矫正多个混杂因素对结果的影响，同时我们遗留下来了一个问题： Cox比例风险模型的假设检验条件是什…https://zhuanlan.zhihu.com/p/164668320

生存分析——快手的基于深度学习框架的集成⽣存分析软件KwaiSurvival（一）_悟乙己的博客-CSDN博客看到快手这篇文章，还开源了他们的KwaiSurvival，上手试了试：KwaiSurvival 是快⼿DA⾃主开发的基于深度学习框架的集成⽣存分析软件，帮助使⽤者在Python编程环境下⾼效地使⽤⽣存分析模型实现⼤规模的数据分析地址：https://github.com/kwaiDA/KwaiSurvival本篇主要是今天简单测试了之后的一些笔记记录，不知道他们组内的小伙伴看到这篇，会不会打我。。我是觉得他们给的代码应该是实验版，有点粗糙啊。。文章目录1 报告中的亮点1.1 活跃度的概.https://blog.csdn.net/sinat_26917383/article/details/118611291?spm=1001.2014.3001.5501 生存分析——KM生存曲线、hazard比例、PH假定检验、非比例风险模型（分层/时变/参数模型）（二）_悟乙己的博客-CSDN博客_km生存曲线文章目录1 数据类型1.1 删失数据1.1.1 右删失1.1.2 左删失1.1.3 区间删失1.2 完全数据（Complete data）2 生存分析几个核心概念2.1 生存概率2.2 风险概率2.3 生存/风险函数 两者之间关系2.4 其他生存时间相关概念3 Kaplan-Meier 生存概率估计3.1 寿命表（ life table）3.2 Kaplan–Meier 方法3.3 KM组别差异的指标一：中位生存时间3.4 KM组别差异的指标二：Logrank /Breslow4 Cox 比例风险回归模型https://blog.csdn.net/sinat_26917383/article/details/118929464?ops_request_misc=&request_id=&biz_id=102&utm_term=%E7%94%9F%E5%AD%98%E5%88%86%E6%9E%90km%E6%B3%95&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-1-118929464.nonecase&spm=1018.2226.3001.4187

生存分析——跟着lifelines学生存分析建模（三）_悟乙己的博客-CSDN博客_lifelines文章目录数据分析系列：生存分析（生存曲线分析、Cox回归分析）——附生存分析python代码。数据分析系列：归因分析原理、案例（附python代码）lifelineshttps://mattzheng.blog.csdn.net/article/details/119006906

绘图： 

R语言统计与绘图：ggsurvplot()函数绘制Kaplan-Meier生存曲线 – sci666https://www.sci666.com.cn/55393.html6分钟学习生存分析1_哔哩哔哩_bilibili简单的生存分析与可视化。一个一个慢慢学！加油！https://www.bilibili.com/video/BV1C64y1F7bJ?spm_id_from=333.999.0.0

 关于连续型变量的问题：

在分析生存资料时，很多研究者会常规进行单因素生存分析。生存资料中经常含有连续型变量，而最常用的单因素生存分析方法——Kaplan–Meier法要求协变量为分类变量。

为了绘制 Kaplan–Meier曲线、进行Log-rank检验，可以将连续型变量分为“高”、“低”两组，转为二分类变量，这就需要确定截断值。

生存分析中连续型自变量截断值的确定方法 | Public Library of Bioinformatics题记：本文重点讲解在生存分析中如何合理设置连续型自变量的截断值，将连续型自变量转换为二分类变量。https://www.plob.org/article/22375.html

生存分析中连续型自变量截断值的确定方法 - 简书题记：本文重点讲解在生存分析中如何合理设置连续型自变量的截断值，将连续型自变量转换为二分类变量。 1.背景知识 对于结果变量为二分类资料的数据，连续型自变量截断值的确定一般通...https://www.jianshu.com/p/d36e0e363c00?ivk_sa=1024320u连续变量转为二分类变量的最佳截断值，该如何确定？来看手把手教程！|连续型|新值|统计量_网易订阅连续变量转为二分类变量的最佳截断值，该如何确定？来看手把手教程！,连续型,新值,统计量https://www.163.com/dy/article/GUO8HS6U0514AGEL.html

评价问题：

避坑指南：如何选择适当的预测评价指标？| 程序员评测_误差如果实际值的平均数为 1000，当然这个预测精度是很不错的，但如果实际值平均为 1，这个预测的精度实在太低了。 均方根误差（RMSE，Root Mean Squared Error）是一个看似不合理却很实…https://www.sohu.com/a/328340621_99979179