这个模块学什么
- • 掌握 Kaplan-Meier 曲线与 Log-rank 检验的基础流程。
- • 理解 Cox 单因素、多因素与风险比解释。
- • 知道什么时候需要上竞争风险模型而不是只做 Cox。
- • 把 Cox 结果继续整理成列线图或森林图。
🧭
模块切换与学习路径
顶部 Tab 方便横向切换模块；下面的时间线表示推荐学习顺序，当前页面会高亮显示。
这一页适合你处理总生存、无进展生存、复发时间、死亡风险等“时间到事件”数据。除了 Kaplan-Meier 和 Cox 回归，这里还补上了竞争风险和 Cox 结果可视化。
4+ 个
脚本
3 个
CSV + 2 个 SAV
重点
时间到事件
推荐学习顺序
- 1先定义时间变量和事件变量，确认删失编码。
- 2用 KM / Log-rank 做最基础的生存差异比较。
- 3进入 Cox 回归，再根据研究问题决定是否补充竞争风险。
- 4最后整理森林图、列线图或结果表，形成汇报产出。
用什么数据
- • `logrank.csv` 适合做最基础的生存曲线与组间比较。
- • `output.csv`、`cox-forest.csv` 适合练 Cox 结果表和森林图。
- • `pancer.sav` 与 `cox-multivariable.sav` 已按你的要求公开，可直接做时间到事件实战练习。
适合什么课题
- • 肿瘤、随访、复发、死亡、器械失效等时间到事件课题。
- • 结局带删失信息，需要估计生存率或风险比的临床研究。
- • 存在竞争事件、不能只用单一 Cox 模型概括的队列数据。
可下载资源
模块包适合整包带走，下面的资源卡适合按需单独下载。
Kaplan-Meier 生存分析脚本
survival-analysis.R适合从 KM 曲线和 Log-rank 开始。
Cox 比例风险模型脚本
cox-proportional-hazards.R单因素和多因素 Cox 的核心脚本。
竞争风险模型脚本
competing-risks.R适合有竞争事件的场景。
Cox 列线图与森林图脚本
cox-nomogram-forest.R把生存模型结果继续做可视化。
pancer 二进制样例数据
pancer.sav公开的 `.sav` 样例，可直接练 Cox。
Cox 单/多因素样例数据
cox-multivariable.sav适合练多因素生存模型。
Log-rank 示例数据
logrank.csv适合最基础的生存曲线比较。