【R语言-生存分析之相对生存率计算】

相对生存率

接上文【生存率计算】，肿瘤病人净生存率有两种分析框架理论， 即基于特定死因估计法（cause-specific framework）和基于相对生存率估计法（relative survival framework）。其中，特定死因估计法的应用基于对病人死亡原因的 精准分类， 可以计算疾病特异性生存率（cause-specific survival，or cancerspecific survival），常常被用于临床试验或小样本量生存资料分析的结果报告。其原理是将观察期内每一位死亡的肿瘤患者根据根本死因进行分类，死于肿瘤以外的患者不认为发生了结局事件，相应的生存时间被归为删失数据（censored data），计算通常采用 Kaplan-Meier 法。 然而由于人群的肿瘤登记工作中死亡患者通常由生命统计系统推送或者在基层工作者随访中发现， 患者的根本死因资料可信度不高，因此，以人群为基础的生存资料分析中通常用相对生存估计法计算净生存率。

相对生存率的意义

癌症病人去除其他死亡危险（死亡竞争风险）后，评价癌症所产生的超额死亡率的综合指标。
时间t时的累计相对生存率可解释为假定只有该癌症为可能死亡原因时，病人至少存活到t时的比例。
相对生存率等于1表示观察生存与期望生存相等，没有造成超额死亡。

相对生存率计算

区间相对生存率
ri=pi/ei
pi：区间观察生存率，ei ：区间期望生存率
累计相对生存率： 计算方法类似累计生存率的算法，各期间相对生存率的乘积，即得相应时间的相对生存率。

相对生存率模型构建

R语言中运用relsurv包方便实现相对生存率的计算

######构建相对生存率模型#####
tjpop<-transrate.hmd("初始数据//mpop.txt","初始数据//wpop.txt")##载入人口寿命表数据,需为txt格式##
###全人群相对生存率模型###
sink(file = "输出结果//relsurv_result.txt", append = T, type = c("output", "message"),split = F)##建立输出结果存储文本##
rs.fit<-rs.surv(Surv(surv_day,failure_crude)~1,##必须以days为生存时间##
                data=sv,ratetable = tjpop,method = "ederer2",##采样“ederer2”方法##
                add.times = c(1,3,5)*365.241,rmap=list(age=Age*365.241,sex=Sex,year=inciden_year))##add.time指定估计时间点，rmap保持生存数据与人口寿命表数据变量名一一对应##
cat("全人群相对生存分析结果\n")
cat("平均生存时间，中位生存时间\n")
print(rs.fit,print.rmean = T)##查看相对生存率中位生存时间/平均生存时间,需除以365.241##
cat("1/3/5年相对生存率\n")
summary(rs.fit,times = c(1,3,5)*365.241)##times自定义时间点查看相对生存率##
###分年份相对生存率模型###
rs.fit.year<-rs.surv