作者:丁点helper
来源:丁点帮你
前文我们详解过线性回归,也初步介绍了生存分析所涉及的生存数据,明白了:做生存分析最特殊的一点是分析时要纳入研究对象的“生存时间”,更一般的是指:出现某种特定结局的时间。今天的文章,我们更进一步地来学习如何看懂生存函数和生存曲线。
生存概率和死亡概率
在进入正题之前,我们需要首先明确两个概念:生存概率与死亡概率。
1. 生存概率(survival probability),用p表示,是指某时段开始时存活的个体,到该时段结束时仍存活的可能性。
说起来好像有点儿吓人,但是计算起来很简单:
2. 死亡概率(probability of death),与生存概率相对, 用 q 表示,指某时段开始时存活的个体,在该时段内死亡的可能性。如年死亡概率表示年初尚存人口在今后1年内死亡的可能性。
p + q = 1。
介绍完这两个基础概念后,我们来看看什么叫生存函数(survival function)。
生存率
教科书的定义是:生存函数表示观察对象的生存时间T大于某个时间的概率,常用 S(t)表示。
生存函数又称为累积生存率,简称生存率(survival rate)。例如,前文谈到的肺癌患者,其生存函数可以写作:
代表患者治疗后存活时间大于18个月的概率,该值越大表明治疗的疗效越好。这里有一个点很容易混淆,S(t)表示生存率,而前面我们用p代表的是生存概率。一个是生存率,另一个是生存概率,难道不是一回事儿吗?
还真不是!生存率与生存概率虽然一字之差但定义却不大相同(当然两者也存在联系)。
还是上面的T=18的例子,对于生存率和生存概率,我们可以分别这样来写:
生存率:S(t=18)=P(T>18)
生存概率: P(t=18)=P(T=18)
看上面的式子,生存率的计算是用“>”,而生存概率的计算是“=”。由此,生存概率是指单位时间上生存的可能性,生存率是某个时间段(由一个或多个单位时间组成的时间段)生存的可能性,是多个单位时间生存概率的累计结果。
比如评价肺癌治疗后3年的生存率,是指第一年存活,第二年存活,直至第三年仍然存活的累积概率,而这3年间每一年都会有不同的生存概率,两者之间的关系如下图:
数学上,生存率和生存概率也有如下的计算关系:
生存曲线
除了计算某个时刻(从开始到该时刻的整个时间段)的生存率之外,我们还可以利用图示法更加直观地描述生存率随生存时间的变化而变化。
下图即为根据某项研究制定的生存曲线:横轴是生存时间,纵轴是生存率。
如上图,我们可以发现,当T=11.124时,对应的生存率是0.5。
随着时间的延长,部分患者死亡,从而导致生存函数的值会逐渐降低。从图形上看,当时间趋于无穷大时,生存函数的值趋于0,意味着,长远来看,每位患者的生存时间都是有限的,不可能无限活下去。
在实际应用中如何来估算生存率呢?也很简单,若数据中无删失值(不懂什么是删失,戳此阅读),某时刻的生存率可用下式估计(有删失的情况要更复杂一些):
一般而言,生存分析的主要应用如下:
1.描述生存时间的分布特点。通过生存时间和生存结局的数据估计平均存活时间及生存率,绘制生存曲线,根据生存曲线分析其生存特点等。
2.比较生存曲线。通过相应的假设检验方法对不同样本的生存曲线进行比较,以推断各总体的生存状况是否存在差别,比较不同治疗方法预后效果的差异。
3.分析影响生存状况的因素。通过生存分析模型来探讨影响生存状况的因素,通常以生存时间和结局作为因变量,而将可能的影响因素作为自变量,通过拟合生存分析模型,筛选具有统计学意义的生存状况的影响因素。
具体在实际应用中如何进行生存函数的估计而实现上述应用,这就是我们下篇文章将要给大家带来的内容了。
想从事业务型数据分析师,您可以点击>>>“数据分析师”了解课程详情;
想从事大数据分析师,您可以点击>>>“大数据就业”了解课程详情;
想成为人工智能工程师,您可以点击>>>“人工智能就业”了解课程详情;
想了解Python数据分析,您可以点击>>>“Python数据分析师”了解课程详情;
数据分析咨询请扫描二维码
大数据分析师证书 针对不同知识,掌握程度的要求分为【领会】、【熟知】、【应用】三个级别,考生应按照不同知识要求进行学习。 ...
2024-10-29拥抱数据分析的世界 - 成为一名数据分析工程师是一个充满挑战和机遇的职业选择。要成功地进入这个领域,你需要掌握一系列关键技 ...
2024-10-28降本增效:管理战略的关键 企业管理中的降本增效不仅是一项重要的战略举措,更是激发竞争力、提高盈利能力的关键。这一理念在当 ...
2024-10-28企业数字化是指利用数字技术和信息化手段,对企业的各个方面进行改造和优化,以提升生产效率、服务质量和市场竞争力的过程。实现 ...
2024-10-28数据科学专业毕业后,毕业生可以选择从事多种不同的岗位和领域。数据科学是一个快速发展且广泛应用的领域,毕业生在企业、学术界 ...
2024-10-28学习数据科学与大数据技术是当今职业发展中至关重要的一环。从基础到高级,以下是一些建议的课程路径: 基础课程: Python编程 ...
2024-10-28在信息技术和数据科学领域,数据架构师扮演着至关重要的角色。他们负责设计和管理企业中复杂的数据基础设施,以支持数据驱动的决 ...
2024-10-28进入21世纪以来,随着信息技术的迅猛发展,大数据已经成为全球最具影响力的技术之一,并成为企业数字化转型的核心驱动力。大数据 ...
2024-10-28随着科技的迅猛发展,数字化转型已成为现代企业保持竞争力和推动增长的关键战略之一。数字化不仅仅是技术的应用,它代表着一种全 ...
2024-10-28银行业正处于一个前所未有的数字化转型时期。在数字经济的驱动下,金融科技如大数据、人工智能、生物识别、物联网和云计算等技术 ...
2024-10-28数据分析可视化是一门艺术与科学相结合的技术,其主要目标是将复杂的数据变得更易于理解和分析。通过将数据以图表的形式呈现,我 ...
2024-10-28数据分析师在现代信息密集型的商业世界中扮演着至关重要的角色。他们通过专业的技能和敏锐的商业洞察力,帮助企业从大量数据中提 ...
2024-10-28在当今快速发展的数据驱动世界中,数据专员的角色变得愈发重要。无论是在企业决策、市场分析还是产品开发中,数据专员都扮演着不 ...
2024-10-27在当今迅速发展的科技时代,数字化对企业的意义无比深远。它不仅提升了企业的竞争力和运营效率,还显著改善了客户体验,推动了企 ...
2024-10-27企业数字化转型是一个全方位的变革过程,旨在通过应用新兴数字技术,重新设计企业的业务流程、组织结构、产品和服务,以在竞争激 ...
2024-10-27数据挖掘是一种集成了统计学、人工智能和机器学习等多种技术的过程,其主要目标是从大量数据中提取有价值的信息和知识。通过分析 ...
2024-10-27数字经济是一种新型的经济形态,以数字技术为基础,通过数据的获取、存储、加工、传输和应用进行经济发展。其核心在于利用数字化 ...
2024-10-27数据科学无疑是现代数字化社会的中流砥柱。随着大数据和人工智能技术的持续飞跃,各行各业对具备数据分析和管理能力的人才需求呈 ...
2024-10-25在当今快速发展的商业环境中,数字化转型已经成为企业保持竞争力和促进业务增长的必然选择。数字化转型不仅意味着技术的变革,更 ...
2024-10-25在当今数据驱动的商业环境中,数据分析已经成为企业决策过程中的核心要素。企业需要处理海量数据,从中提炼出有价值的见解,以支 ...
2024-10-25