生存分析 R语言（一）——KM estimator
题目
Data contains drug users who have been given residential treatment for drug abuse. Consider only four columns：age, time, treat, censor. Treat and censor are indicators.
The main task is all about plot the KM estimator and test between several groups. Here focus on the code only.
packages的安装与加载
安装R包，只需在第一次时安装即可，后续使用无须再次安装
install.packages("survminer")
install.packages("survival")
加载R包，每次使用均需加载
library（survminer)
library(survival)
数据的导入
方案一
将数据直接放入工作空间中
getwd()#可直接得到当前工作空间地址
setwd()#可自行设置工作空间地址
read.csv("file.csv",header=TRUE)#header默认为真，即第一行为变量名
方案二
mydata<-read.csv(file.choose())#回车手动选择文件
Kaplan-Meier estimator
拟合曲线
attach(mydata)#绑定数据集，当环境中多个数据时很必要
Surv(time,censor)#创建生存对象
加号为censoring data
[1] 23 167 186 232 550+ 71 398 3 559 61 75 548+ 256
[14] 51 83 597+ 190 208 8 130 144 20 74 119 175 567+
[27] 546+ 40 76 461 12 224 211 597+ 619+ 124 11 211 353
[40] 551+ 89 65 37 104 190 55 490 56 35 603+ 362 116
[53] 7 119 217 575+ 134 54 233 540+ 238 339 90 242 116
[66] 68 228 655+ 122 26 569+ 137 203 364 59 198 166 23
[79] 85 23 271 99 180 99 549+ 181 103 203 519 541+ 11
[92] 11 119 13 307 73 373 164 436 593+ 292 54 45 53
[105] 51 122 121 556+ 554+ 245 159 268 123 74 86 538+ 131
[118] 538+ 434 106 546+ 533+ 12 537+ 396 248 22 84 37 79
[131] 45 121 168 567+ 93 630+ 194 317 181 9 14 539+ 14
[144] 403 28 510+ 81 547+ 226 9 58 140 72 546+ 548+ 129
[157] 231 86 196 19 21 624+ 37 15 127 105 35 267 59
[170] 115 222 282 120 148 220 180 102 220 174 548+ 231 348
[183] 386 198 123 548+ 182 567+ 35 87 53 227 47 5 763+
[196] 374 148 94 65 634+ 89 90 551+ 437 136 290 159 354
[209] 96 659 260 105 81 170 78 138 71 139 280 32 289
[222] 57 559+ 122 156 166 805+ 107 169 29 171 248 118 164
[235] 51 104 537+ 6 92 501+ 87 499 78 44 361 102 36
[248] 94 76 133 184 31 210 54 46 123 720+ 250 106 226
[261] 26 110 279 541+ 533+ 545+ 565+ 147 44 69 548+ 245 45
[274] 177 130 551+ 110 56 14 354 51 232 68 144 598+ 449
[287] 79 125 90 87 633+ 127 224 188 56 285 156 578+ 313
[300] 25 36 3 155 122 471 539+ 186 285 52 227 97 10
[313] 431 224 360 551+ 26 207 659+ 87 5 151 220 167 762+
[326] 2 70 84 162 567+ 477 299 21 562+ 325 540+ 115 545+
[339] 243 199 170 100 130 85 540+ 157 287 30 399 80 102
[352] 274 106 192 510+ 85 78 115 562+ 33 384 587+ 541+ 228
[365] 560+ 244 74 50 79 91 153 15 156 259 560+ 494 276
[378] 32 142 567+ 560+ 144 69 136 543+ 24 73 10 306 29
[391] 557+ 502 540+ 44 79 549+ 547+ 5 225 87 246 6 321
[404] 1172+ 734+ 285 87 544+ 253 442 625+ 99 536+ 621+ 79 569+
[417] 575+ 176 576+ 150 408 81 191 7 540+ 654+ 120 379 184
[430] 441 44 226 297 38 343 491 67 70 46 568+ 194 239
[443] 328 92 164 4 15 98 546+ 58 95 65 459 193 102
[456] 349 192 503+ 547+ 120 567+ 226 458 554+ 51 259 43 31
[469] 30 4 4 90 547+ 354 115 142 307 86 23 26 5
[482] 121 183 57 19 38 84 21 568+ 124 216 7 115 32
[495] 161 200 47 48 60 18 212 231 96 83 586+ 380 92
[508] 57 152 209 14 187 81 332 101 547+ 168 243 154 255
[521] 401 142 10 188 459 523+ 95 273 218 132 4 115 113
[534] 91 143 20 369 107 59 255 159 168 210 168 94 106
[547] 552+ 242 113 555+ 23 62 106 176 98 555+ 290 503+ 548+
[560] 233 119 542+ 34 170 215 46 296 260 655+ 67 274 537+
[573] 516 268 69 355 184 545+ 7 544+ 560+ 36 47 589+ 274
[586] 83 658+ 175 555+ 175 568 538+ 306 6 582+ 220 103 708+
[599] 100 324 300 22 80 237 161 159 541+ 162 65 143 556+
[612] 204 538+ 310 552+ 377 111 564+ 24 189 547+ 126 553+ 8
[625] 17 540+ 3 10
对象进行拟合
fit<-survfit(Surv(time,censor)~treat,data=mydata)#拟合生存曲线
fit#可查看拟合曲线信息
Call: survfit(formula = Surv(time, censor) ~ treat, data = mydata)
n events median 0.95LCL 0.95UCL
treat=0 320 265 132 115 156
treat=1 308 243 192 175 226
可以看到n是每组内的人数，events为事件（drug abuse)发生次数，后面分别是中位数生存时间、95%置信区间的下界限和上界限。
绘制拟合曲线
ggsurvplot(fit,data=mydata,
surv.median.line="hv",
conf.int=TRUE)
#分别增加了中位数和置信区间
#palette可自定义调色板，默认为hue.
假设检验比较两组生存曲线的差异
survdiff(Surv(time,censor)~treat,data=mydata,rho=0)
rho代表了假设检验中统计量的weight。
rho=0 Log-Rank test
rho=1 Generalized Wilcoxon test
rho=1/2 Tarone-Ware test
Call:
survdiff(formula = Surv(time, censor) ~ treat, data = mydata)
N Observed Expected (O-E)^2/E (O-E)^2/V
treat=0 320 265 236 3.61 6.8
treat=1 308 243 272 3.13 6.8
Chisq= 6.8 on 1 degrees of freedom, p= 0.009