You need to enable JavaScript to run this app. 如何在R语言中开展疾病进展相关的时间到事件分析
优惠活动
大模型
产品
解决方案
定价
更多

如何在R语言中开展疾病进展相关的时间到事件分析

认知澄清
  • R语言survival包的Surv()结构是通用的时间-事件分析载体,并非仅适配以死亡为终点的传统生存分析。只要研究场景是“记录从起始节点到目标事件(如疾病进展、复发、不良反应等)发生的随访时长,搭配事件/截尾状态标记”,Surv()都可以直接适配,不存在无法支持疾病进展分析的限制。
  • 你当前数据集的编码规则(progress=1代表观测到疾病进展事件,progress=2代表截尾)可直接用于分析,仅需根据Surv()的默认识别规则做一步简单的状态转换,无需调整原始数据的取值编码。
实操流程
  1. 载入分析包、复现示例数据集
# 加载核心生存分析包
library(survival)

# 匹配你提供结构的示例数据集
demo_dat <- data.frame(
  time = c(2, 5, 1, 6, 8, 7, 2, 2),
  progress = c(1, 2, 1, 2, 2, 2, 1, 2)
)
  1. 构造适配疾病进展分析的Surv对象
    由于survival包默认将状态列的TRUE/非0值识别为事件、FALSE/0值识别为截尾,你当前的状态取值中2代表截尾,直接传入原始列会被误判为事件,因此通过简单逻辑转换明确状态标记:
# 构造时间-事件结构:progress==1 代表发生疾病进展,其余值代表截尾
demo_dat$progress_surv <- Surv(time = demo_dat$time, 
                              event = (demo_dat$progress == 1), 
                              type = "right")
# 查看生成的Surv对象,可直观看到每个样本的状态标记
demo_dat$progress_surv

规则说明:右删失场景下,时间值后带+的记录代表对应时间点发生截尾,不带+的代表对应时间点观测到疾病进展事件。按照你提供的数据集构造完成后,所有progress=2的记录都会被自动标记为带+的截尾值,progress=1的记录会被标记为明确事件值,完全匹配疾病进展分析的逻辑。

常用疾病进展分析场景代码示例
  • 无进展生存的Kaplan-Meier估计与曲线绘制
# 计算单组的无进展生存曲线
km_model <- survfit(Surv(time, progress ==1) ~ 1, data = demo_dat)
# 输出各时间点的无进展概率、置信区间结果
summary(km_model)
# 绘制曲线
plot(km_model, 
     xlab = "随访时长", 
     ylab = "未发生疾病进展的概率",
     main = "疾病进展时间KM估计")
  • 组间疾病进展差异的log-rank检验
# 示例:若存在处理分组变量,可直接纳入公式比较组间差异
survdiff(Surv(time, progress ==1) ~ treatment_arm, data = demo_dat)
  • 影响疾病进展风险的Cox回归分析
# 示例:探索年龄、治疗方案对疾病进展风险的影响
cox_model <- coxph(Surv(time, progress ==1) ~ age + treatment_arm, 
                   data = demo_dat)
summary(cox_model)

内容的提问来源于stack exchange,提问作者kulala

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.04 01:36:05