R语言实战：用survival包快速搞定Cox回归亚组分析（附完整代码）

关注

VIP免费原创最新推荐文章于 2026-08-05 13:08:41 发布 117 阅读 AI 写同款· GEO 优化 ›

基于survival包的生存分析R语言实现本质上，对数秩检验将每个组中观察到的事件数与原假设为真（即，生存曲线相同）下的预期事件进行比较。生存分析是分析生存时间的统计学方法，其因变量需要用生存时间和结局状态两个变量来刻画，可以将终点事件是否发生以及发生终点事件所经历的时间相结合起来。生存分析的主要内容有。不同的是，不同的方法在计算统计量的时候，赋予了不同的权重。横轴（x轴）表示以天为单位的时间，纵轴（y轴）表示生存的可能性或生存的人口比例。()获取生存曲线的统计量。生存差异的对数秩检验得出p值为p = 0.0013，表明性别群体的生存差异显着。阅读详情

R语言实战：用survival包高效完成Cox回归亚组分析

在医学研究和生物信息学领域，生存分析是评估患者预后和治疗效果的重要工具。Cox比例风险模型作为生存分析的核心方法，能够同时考虑多个协变量对生存时间的影响。而亚组分析则帮助我们理解不同患者群体中治疗效果的异质性，为精准医疗提供统计依据。

1. 环境准备与数据加载

1.1 安装必要R包

首先确保已安装以下关键包，这些包将贯穿整个分析流程：

# 安装核心包（若未安装）
install.packages(c("survival", "dplyr", "ggplot2", "forestplot"))

# 加载分析所需库
library(survival)  # 生存分析核心功能
library(dplyr)     # 数据清洗与处理
library(ggplot2)   # 可视化
library(forestplot) # 森林图绘制

1.2 数据导入与预处理

使用survival包内置的lung数据集作为示例，该数据集包含228例晚期肺癌患者的生存数据：

# 加载数据并查看结构
data("lung")
str(lung)

# 关键变量说明：
# time: 生存时间（天）
# status: 终点事件（1=删失，2=死亡）
# age: 患者年龄
# sex: 性别（1=男，2=女）
# ph.ecog: ECOG体能状态评分（0-3）
# ph.karno: Karnofsky评分（医生评估）