A R based survival analysis tool

A based survival analysis tool

R 4.10+
build 202407

数据编辑区

中位生存时间与Kaplan-Meier曲线
分析变量
分组设置
标题设置
KM-plot
绘制瀑布图
变量选择
分组设置

Waterfall-plot
*缓解评估结果的系统保留变量名称须是“Patient_id”、“Response_evaluation”，为“CR”、“PR”、“SD”、“PD”、“NE”或“NA”的一种;缓解率只需要录入正负百分比（省略%）。
绘制游泳图
绘图变量
分组设置

Waterfall-plot
*照每个患者的Patient_id、Time_to_event和Response_evaluation(肿瘤缓解评估结果)。结果须为“CR”、“PR”、“SD”、“PD”、“NE”或“NA”的一种，变量名必须是“Response_evaluation”。如只看患者的Time_to_event游泳图，可统一填写成“NA”或“NE”。。
绘制Nomogram(列线图)
变量选择
Nomogram
Nomogram是一种直观的图形化工具，被广泛用于生存分析中，以可视化Cox回归模型的结果。Cox回归模型可以量化多个因素对事件发生率的影响，并用于多因素分析。在Nomogram中，每个协变量被赋予一条线，长度代表其影响力，每条线上的刻度代表特定值的分数。总分则转化为预测的生存概率。Nomogram的优点在于，以直观的方式展现了多个变量对生存的影响，使得非专业人员也能理解预测结果，从而辅助诊断和治疗决策。
单因素与多因素Cox回归分析
分析变量
单因素Cox回归
多因素Cox回归
单因素Cox回归分析
连续变量多组均数/中位数比较
连续变量的分组均数/中位数比较(组别≥2)

基于以下规则，进行均数/中位数比较流程:

  1. 独立性假设

  2. 正态分布假设 Shapiro-Wilk test (n≤50) 或 Kolmogorov-Smirnov test (n>50)

    *正态性检验要求数据至少包含3个观测值。请确保分组后每组观测数量 > 2。

    如果不符合正态分布，采用非参数检验，对中位数采用 Mann-Whitney U 检验（2组）或 Kruskal-Wallis 检验（多组）；

    如果符合正态分布，进入下一步。

  3. 方差齐性假设

    如果方差齐，且为两组，对均数进行t检验；如果为三组或更多，对均数进行F检验（单因素方差分析）。

    如果方差不齐，且为两组，对均数进行Welch's t检验；如果为三组或更多，对中位数采用Kruskal-Wallis检验。

分类变量分布比较
分类变量的分布比较

基于以下规则，进行分类变量的分布比较:

  1. 计算理论频数和最小频数，以及总样本量。

  2. 是2x2表格

    如果所有的理论频数≥5，并且总样本量≥40，进行Pearson卡方检验。

    如果1≤理论频数<5，并且总样本量≥40，进行连续性校正的卡方检验。

    如果理论频数<1 或总样本量<40，进行Fisher确切概率法。

  3. 不是2x2表格

    如果RxC表中理论频数<5的格子不超过总格子数的1/5，并且所有格子的理论频数≥1，进行Pearson卡方检验。

    如果不满足上述条件，且总样本量<1000的R×C表，使用Fisher确切概率法。

有序变量中位数比较
两组或多组有序变量的分布比较（组别无序）

基于以下规则，进行有序变量的中位数比较:

  1. 2组比较

    比较两组独立的有序分类变量：Mann-Whitney U 检验。

  2. 2组以上的比较

    比较多组独立的有序分类变量：Kruskal-Wallis H 检验。

R代码生成区

使用说明

  1. 在"数据编辑区"中输入数据。变量名称“Patient_id"、“Strata"、“Time_to_event" 和 “Event" 作为系统保留变量。数据输入支持从电子表格复制和粘贴，可点击列名更改变量名称，可在表格区域右键添加或删除行和列。

  2. 你可以点击“生成数据框架”以生成R使用的数据集，或点击其他按钮以生成完整的用于生存分析的 R 代码。包括生存分析、KM 曲线绘制和 Cox 单因素分析、连续变量、分类变量、等级变量分组比较等功能。代码加入了统计分析，可根据统计结果自动给出分析报告和结论，但仅供参考。

  3. 数据在浏览器和我的服务器均无保留，但请留意本代码调用的在线服务可能存留，如github、rrdr.io。请谨慎使用，不要录入敏感信息。


基于R的生存分析工具集 by Lokyshin