생존분석

• 생존분석(Survival Analysis)

• Note

  생존분석: 특정 events가 발생하기까지 기대시간 예측.

  events: 사망, 재발, 감염, 자살, 특종, 범죄, 재범, 이혼 등.

  • 생존분석 방법

    지수분포: 모수적 방법

    Kapaln-Meier model: 각 관측 시간마다 계산한 누적 계단 그림…

    비모수적 방법.

    Cox proportional hazald model

    준모수적 방법.

---

• Kapaln-Meier model

  Surv(x, y): 데이터 준비. x중 조건 y의 이벤트가 발생한 경우.

  +가 붙은 값은 censored

  plot(with()): 생존확률과 95% 신뢰구간을 그려줌.

  survfit(Surv()~요인, data): Surv를 요인으로 구분해서 보여줌.

  해석: p-value가 낮으면 요인 별로 유의미. 그 요인이 중요하다.

---

• Cox proportional hazald model

  coxph(Surv): 하나를 0 하나를 1로 두고, ~요인에 따라 선형회귀를 했다고 생각하면 됨.

  귀무가설: beta(coef) = 0. — 유의확률로 검정.

  해석: coef를 통해 기울기를 볼 수 있나?

  두 개의 모형(~sex+age)으로도 가능

  해석: 유의확률이 더 낮으면 더 중요한 요인이라는 것인 듯.

  • 예측 기능

    survfit(cox, newdata=): coxph() 모델에서 새로운 데이터를 줬을 때 event 생존 확률.

    newdata: 만약 요인 a=1, b=200일 때에는?

    e.g. ,newdata=data.frame(sex=2, pat.karno=100))

    plot(survfit): 생존 확률 그래프.

    survreg(Surv() ~요인, dist='weib, x): 데이터 x를 써서 요인별로 weibull 분포를 사용.

    weibull: 모수적 방법, deafault임.

---

• log-rank test

  rank를 요인 별로 다른지 같은지를 보는 것.

  survdiff(Surv): 카이제곱 p-value가 낮으면 성별로 차이가 있다.

  predict(survreg, newdata=): 요인마다 weibull 분포를 따를 때의 기대 수명.