MATLAB基础应用精讲-【数模应用】Kaplan Meier（附python和R语言代码实现）
目录
前言
几个相关概念
事件
生存时间
删失
生存概率
中位生存时间
风险概率
算法原理
什么是生存分析？
生存分析与回归、分类模型的区别？
生存分析可以干什么？
基本思想
SPSSAU
Kaplan Meier案例
1、背景
2、理论
3、操作
4、SPSSAU输出结果
5、文字分析
6、剖析
疑难解惑
HR值和RR值的区别？
SPSSPRO
1 模型理论
2 案例介绍
3 软件操作及结果解读
3.1 软件操作
3.2 结果解读
代码实现
python
R语言
1 方法1：ggsurvplot绘图单图
2 方法1：ggsurvplot绘图批量图（for循环）
3 方法2：单图绘图
4 方法2：批量绘图
前言
Kaplan Meier是卡普兰(K a-plan, E. L.)和梅尔(Meier , P.)于1958年提出的.其后这个估计量被称为卡普兰一梅尔估计量或乘积极限估计.设在随机截尾方案下有一组观察数据。
生存数据可以广义地定义为到给定事件发生的时间 (the time to the occurrence of a given event)，也叫做生存时间 (survival time)，这类数据也被称为Time-to-event。
在研究中，所关注的目标事件可能不会发生，这种情况下，对应的数据观测称之为删失观测或截尾观测。生存数据由两个变量构成：一个是表示时间长短的数值型变量，另一个是表示事件状态的分类变量（事件发生、事件删失）。
通常，研究会为删失观测确定一个删失时间来表示时间长短。如果简单地把删失时间纳入分析，那结果就会偏保守（实际生存时间长于观察到的时间）。针对这种情况，统计学家发明了特定的统计方法来进行分析，即生存分析。