R语言生存分析和科研绘图

欢迎大家关注全网生信学习者系列：

• WX公zhong号：生信学习者
• Xiao hong书：生信学习者
• 知hu：生信学习者
• CDSN：生信学习者2

介绍

生存分析的目的是分析某个时间点的“生存概率”是多少。基于这样的研究目的，需要提供生存数据，它是一种由不同的开始时间和结束时间组成的事件-时间的数据，比如在癌症研究领域，研究手术到死亡的过程、治疗到疾病进展等等。

在开展生存分析前，需要了解什么是删失（censored）。对于确定的事件，由于其他原因导致其出现无法记录、无法观察等等，这些都可以称为删失。“删失（censored）数据指在观察或试验中,由于人力或其他原因未能观察到所感兴趣的事件发生，因而得到的数据。”

在这里插入图片描述

图表示10个参与者，在事件为发生前有7位患者出现了删失情况。忽略删失样本会导致生存概率结果出现偏差。生存分析是一种可以适当考虑被删失患者的方法。

生存数据组成

生存数据是有事件状态和对应时间组成，事件状态可以分成发生和删失。

• 事件时间：$T_i$
• 删失时间：$C_i$
• 事件状态：如果观察到事件则是1；否则是删失0。事件时间要小于删失时间。

通过密度分布图可以观察到事件发生和删失状态在时间上的区别，如果不考虑删失则会导致评估结果偏高。

在这里插入图片描述

某个对象在某个时间点的生存概率公式为：$S(t) = Pr(T > t) = 1- F(t)$

• $S(t)$是生存函数
• $F(t) = 1- Pr(T > t)$是累积分布函数

生存分析应用案例

加载R包

导入本教程分析所需要的R包

library(tidyverse)
library(survival)
library(survminer)
library(gtsummary)

# rm(list = ls())
options(stringsAsFactors = F)
options(future.globals.maxSize = 1000 * 1024^2)

# group & color
sex_grp <- c("Male", "Female")
sex_col <- c("#F28880", "#60C4D3")

总结

• 生存数据很常见，是时间到事件的数据；
• 需要生存分析技术来解释删失的数据；
• survival R包提供了生存分析工具，包括Surv和surfit函数；
• survminer R包提供了ggsurvplot函数允许基于ggplot2定制Kaplan-Meier图 ；
• 组间比较可采用log-rank检验，采用survival::survdiff ；
• 单或多变量Cox回归分析可以使用survival::Cox进行。