生存分析 (Survival Analysis) 简介

什么是生存分析？

生存分析是一类用于分析直到某个特定事件发生所需时间的统计方法。该“事件”可以是死亡、疾病复发、机器故障或客户流失等。其核心特点在于能够处理删失数据 (Censored Data)，即在研究结束时事件尚未发生的观测值。

本案例使用的数据与方法

本案例基于 R 语言 survival 包中内置的 lung 数据集（晚期肺癌患者临床数据）。

主要分析步骤：

1. 数据准备：清洗数据，定义生存时间变量和事件状态变量（将原始数据中的状态编码转换为标准的 0/1 格式）。
2. Kaplan-Meier 估计：非参数方法，用于估算不同组别（如男性 vs 女性）的生存函数，并绘制生存曲线。
3. Log-Rank 检验：用于比较不同组别之间的生存分布是否存在显著差异。
4. Cox 比例风险模型：半参数回归模型，用于评估多个协变量（如性别、年龄）同时对生存风险的影响，计算风险比 (Hazard Ratio, HR)。

运行环境要求

• R 版本 >= 4.0.0
• 必需 R 包：survival, survminer

如何运行

将 main.R 中的代码复制到 R 控制台或 RStudio 中直接运行即可生成分析结果。

结果展示说明

本部分描述运行 main.R 后，在 R 控制台或终端中预期的文本输出内容。

1. 输入操作

用户在 R 环境中执行 source("main.R") 或直接运行脚本中的所有代码行。

2. 预期输出内容

A. Kaplan-Meier 拟合摘要 (print(fit_km))

系统将输出两个组别（Male, Female）的生存统计信息：

• records: 每个组别的样本数量。
• events: 每个组别观察到的死亡事件数量。
• median: 中位生存时间（即 50% 受试者存活的时间天数）。
• 95% CI: 中位生存时间的 95% 置信区间。
• 描述示例：输出将显示男性的中位生存时间约为 310 天，女性约为 426 天（具体数值依数据清洗情况略有波动），表明女性组在该数据集中生存时间较长。

B. Cox 模型回归结果 (summary(fit_cox))

系统将输出一个详细的表格，包含以下关键列：

• coef: 回归系数。
• exp(coef): 风险比 (Hazard Ratio, HR)。若 HR < 1，表示该变量是保护因素；若 HR > 1，表示是危险因素。
• se(coef): 系数的标准误。
• z: Wald 统计量。
• Pr(>|z|): P 值，用于判断显著性。
• 描述示例：
  • 对于变量 sexFemale：预计 exp(coef) 小于 1（例如 0.58），P 值小于 0.05。这意味着相对于男性，女性的死亡风险降低了约 42%，且差异具有统计学意义。
  • 对于变量 age：预计 exp(coef) 略大于 1，表明年龄每增加一岁，死亡风险轻微增加。
• 底部还会输出模型的总体显著性检验（Likelihood ratio test, Wald test, Score test）的结果。

C. Log-Rank 检验结果 (print(log_rank_test))

系统将输出卡方检验的详细数据：

• N: 各组观察总数。
• Observed: 各组实际观察到的事件数。
• Expected: 在原假设（两组生存率无差异）下预期的事件数。
• (O-E)^2/E: 卡方贡献值。
• (O-E)^2/V: 修正后的卡方贡献值。
• Chisq: 卡方统计量总值。
• df: 自由度（组数 - 1）。
• p-value: P 值。
• 描述示例：输出将显示一个较大的卡方值（例如 10.5 左右），对应的 P 值将显著小于 0.05（例如 p = 0.001）。这表明男性和女性之间的生存曲线存在显著差异，拒绝原假设。

3. 结论解读

通过上述文字输出，用户可以得出结论：在该肺癌数据集中，性别是影响生存时间的显著因素，女性患者的预后显著优于男性患者；同时，年龄也是一个潜在的风险因素。