CRAN 任务视图：生存分析

生存分析，在社会科学中也称为事件史分析，或在工程学中称为可靠性分析，处理事件发生的时间。但是，此失效时间可能在相关时间段内未被观察到，从而产生所谓的删失观察。

本任务视图旨在介绍用于分析事件时间数据的有用 R 包。

如果发现任何不准确或缺失的内容，请通过电子邮件或通过在上面链接的 GitHub 存储库中提交问题或拉取请求，告知维护者。

标准生存分析

生存分布的估计

• Kaplan-Meier: The survfit function from the survival package computes the Kaplan-Meier estimator for truncated and/or censored data. rms (replacement of the Design package) proposes a modified version of the survfit function. The prodlim package implements a fast algorithm and some features not included in survival. Various confidence intervals and confidence bands for the Kaplan-Meier estimator are implemented in the km.ci package. plot.Surv of package eha plots the Kaplan-Meier estimator. The NADA package includes a function to compute the Kaplan-Meier estimator for left-censored data. svykm in survey provides a weighted Kaplan-Meier estimator. The kaplan-meier function in spatstat computes the Kaplan-Meier estimator from histogram data. The KM function in package rhosp plots the survival function using a variant of the Kaplan-Meier estimator in a hospitalisation risk context. The survPresmooth package computes presmoothed estimates of the main quantities used for right-censored data, i.e., survival, hazard and density functions. The asbio package permits to compute the Kaplan-Meier estimator following Pollock et al. (1998). The bpcp package provides several functions for computing confidence intervals of the survival distribution (e.g., beta product confidence procedure). The kmc package implements the Kaplan-Meier estimator with constraints. The landest package allows landmark estimation and testing of survival probabilities. The jackknifeKME (archived) package computes the original and modified jackknife estimates of Kaplan-Meier estimators. The tranSurv package permits to estimate a survival distribution in the presence of dependent left-truncation and right-censoring. The condSURV package provides methods for estimating the conditional survival function for ordered multivariate failure time data. The gte package implements the generalised Turnbull estimator proposed by Dehghan and Duchesne for estimating the conditional survival function with interval-censored data.

• 非参数最大似然估计 (NPMLE)：
  Icens 包提供了多种方法来计算各种删失和截断方案的生存分布的 NPMLE。 MLEcens 也可用于计算区间删失数据的 MLE。 dblcens 允许计算左删失和右删失数据的累积分布函数的 NPMLE。 interval 包中的 icfit 函数计算区间删失数据的 NPMLE。 DTDA 包实现了多种算法，允许分析可能双重截断的生存数据。
  npsurv 计算一般区间删失数据的生存函数的 NPMLE。 csci 包为当前状态数据的事件时间的累积分布函数提供置信区间，包括一种新的有效（即精确）方法。

• 参数： fitdistrplus 包允许通过最大似然拟合单变量分布。数据可以是区间删失的。 vitality 包提供了用于拟合活力族死亡率模型中的模型的例程。

风险估计

• The muhaz package 允许使用核方法估计右删失数据的风险函数。
• 来自 epiR 的 epi.insthaz 函数根据 Kaplan-Meier 估计量计算瞬时风险。
• polspline、gss 和 logspline 允许使用样条估计风险函数。
• The bshazard 包通过 B 样条提供风险函数的非参数平滑。

测试

• survival 中的 survdiff 函数使用 Fleming-Harrington G-rho 测试族比较生存曲线。 NADA 为左删失数据实现了此类测试。
• The maxcombo 包使用 max-combo 测试比较生存曲线，该测试通常基于 Fleming-Harrington G-rho 测试族，旨在比对数秩检验在非比例风险情况下具有更高的功效，例如由延迟治疗效果引起的非比例风险。
• clinfun 实现对数秩检验的置换版本和对数秩的版本，该版本针对协变量进行调整。
• The exactRankTests 实现 Streitberg 和 Roehmel 的移位算法，用于计算精确条件 p 值和分位数，可能用于删失数据。
• coin 包中的 SurvTest 将对数秩检验重新表述为线性秩检验。
• The maxstat 包使用最大选择秩统计量执行测试。
• The interval 包为区间删失数据实现了对数秩和 Wilcoxon 类型检验。
• survcomp 比较 2 个风险比。
• The TSHRC 实现了一个两阶段程序来比较风险函数。
• The FHtest 包提供了一些基于 Fleming-Harrington 类别的检验，用于比较具有右删失和区间删失数据的生存曲线。
• 两个样本生存数据的短期和长期风险比模型可以在 YPmodel 包中找到。
• The controlTest implements a nonparametric two-sample procedure for comparing the median survival time.
• The survRM2 package performs two-sample comparison of the restricted mean survival time
• The emplik2 package permits to compare two samples with censored data using empirical likelihood ratio tests.
• The KONPsurv package provides powerful nonparametric K-sample tests for right-censored data. The tests are consistent against any differences between the hazard functions of the groups.

回归建模

• Cox model: The coxph function in the survival package fits the Cox model. cph in the rms package and the eha package propose some extensions to the coxph function. The package coxphf implements the Firth’s penalised maximum likelihood bias reduction method for the Cox model. An implementation of weighted estimation in Cox regression can be found in coxphw. The coxrobust package proposes a robust implementation of the Cox model. timecox in package timereg fits Cox models with possibly time-varying effects. A Cox model model can be fitted to data from complex survey design using the svycoxph function in survey. The multipleNCC package fits Cox models using a weighted partial likelihood for nested case-control studies. The ICsurv package fits Cox models for interval-censored data through an EM algorithm. The dynsurv package fits time-varying coefficient models for interval censored and right censored survival data using a Bayesian Cox model, a spline based Cox model or a transformation model. The OrdFacReg package implements the Cox model using an active set algorithm for dummy variables of ordered factors. The survivalMPL package fits Cox models using maximum penalised likelihood and provide a non parametric smooth estimate of the baseline hazard function. A Cox model with piecewise constant hazards can be fitted using the pch package. The icenReg package implements several models for interval-censored data, e.g., Cox, proportional odds, and accelerated failure time models. A Cox type Self-Exciting Intensity model can be fitted to right-censored data using the coxsei package. The SurvLong contains methods for estimation of proportional hazards models with intermittently observed longitudinal covariates. The plac package provides routines to fit the Cox model with left-truncated data using augmented information from the marginal of the truncation times. The boot.pval package contains the convenience function censboot_summary for computing bootstrap p-values and confidence intervals for Cox models.
  可以使用 survival 中的 cox.zph 函数检查比例假设。 clinfun 中的 coxphCPE 函数计算 Cox 模型的一致性概率估计。 后者包中的 coxphQuantile 绘制生存分布的 quantile 曲线作为协变量的函数。 multcomp 包计算 Cox 模型和其他参数生存模型的同步检验和置信区间。 lsmeans 包允许从线性模型中获得最小二乘均值（及其对比）。 特别是，它为 coxph、survreg 和 coxme 函数提供支持。 Bioconductor 上的 multtest 包提出了一种基于重采样的多重假设检验，可以应用于 Cox 模型。 使用带有方差的 sandwich 估计量的 Wald 检验测试 Cox 回归模型的系数可以使用 saws 包完成。 rankhazard 包允许绘制比例风险模型中协变量相对重要性的可视化。 smoothHR 包提供风险比曲线，允许预测变量和生存之间存在非线性关系。 PHeval 包提出使用标准化得分过程来检查比例风险假设的工具。 ELYP 包实现了 Cox 模型和 Yang-Prentice (2005) 模型的经验似然分析。
• 参数比例风险模型：survreg（来自 survival）拟合参数比例风险模型。 eha 和 mixPHM 包实现了具有参数基线风险的比例风险模型。 rms 中的 pphsm 将 AFT 模型转换为比例风险形式。 polspline 包包含 hare 函数，该函数拟合风险回归模型，使用样条曲线对基线风险进行建模。风险可以是比例的，也可以不是比例的。 flexsurv 包实现了 Royston 和 Parmar (2002) 的模型。该模型使用自然三次样条曲线表示基线生存函数，并使用比例风险、比例优势或概率函数进行回归。 SurvRegCensCov 包允许估计右删失终点的 Weibull 回归，一个区间删失协变量和任意数量的非删失协变量。
• 加速失效时间 (AFT) 模型： survival 包中的 survreg 函数可以拟合加速失效时间模型。 rms 包中实现了 survreg 的修改版本（psm 函数）。它允许使用一些 rms 功能。 eha 包还提供了 AFT 模型的实现（函数 aftreg）。 NADA 包为左删失数据提供了 survreg 函数的前端。 simexaft 包实现了 AFT 模型的模拟外推算法，当协变量受到测量误差时可以使用该算法。在 RobustAFT 中可以找到加速失效时间模型的稳健版本。 coarseDataTools 包拟合区间删失数据的 AFT 模型。 imputeYn (已存档) 包提出了 AFT 模型中参数估计的替代加权方案。 aftgee 包实现了最近开发的 AFT 模型推断程序，包括基于秩的方法和最小二乘方法。 boot.pval 包包含方便函数 censboot_summary，用于计算 AFT 模型的引导 p 值和置信区间。
• 加性模型： survival 和 timereg 都分别在函数 aareg 和 aalen 中拟合了 Aalen 的加性风险模型。 timereg 还提供了 Cox-Aalen 模型的实现（也可以用于执行 Lin、Wei 和 Ying (1994) 的 Cox 回归模型拟合优度检验）以及 McKeague 和 Sasieni 的部分参数加性风险模型。 uniah 包拟合形状受限的加性风险模型。 addhazard 包包含用于将加性风险模型拟合到随机抽样、两阶段抽样和具有辅助信息的兩階段抽樣的工具。
• Buckley-James 模型： rms 中的 bj 函数和 emplik 中的 BJnoint 计算 Buckley-James 模型，但后者不包含截距项。 bujar 包拟合具有高维协变量的 Buckley-James 模型（L2 boosting、回归树和 boosted MARS、弹性网络）。
• Other models: Functions like survreg can fit other types of models depending on the chosen distribution, e.g. , a tobit model. The AER package provides the tobit function, which is a wrapper of survreg to fit the tobit model. An implementation of the tobit model for cross-sectional data and panel data can be found in the censReg package. The timereg package provides implementation of the proportional odds model and of the proportional excess hazards model. The invGauss package fits the inverse Gaussian distribution to survival data. The model is based on describing time to event as the barrier hitting time of a Wiener process, where drift towards the barrier has been randomized with a Gaussian distribution. The pseudo package computes the pseudo-observation for modelling the survival function based on the Kaplan-Meier estimator and the restricted mean. flexsurv fits parametric time-to-event models, in which any parametric distribution can be used to model the survival probability, and where any of the parameters can be modelled as a function of covariates. The Icens function in package Epi provides a multiplicative relative risk and an additive excess risk model for interval-censored data. The VGAM package can fit vector generalised linear and additive models for censored data. The gamlss.cens package implements the generalised additive model for location, scale and shape that can be fitted to censored data. The locfit.censor function in locfit produces local regression estimates. The crq function included in the quantreg package implements a conditional quantile regression model for censored data. The JM package fits shared parameter models for the joint modelling of a longitudinal response and event times. The temporal process regression model is implemented in the tpr package. Aster models, which combine aspects of generalized linear models and Cox models, are implemented in the aster and aster2 packages. The concreg (archived) package implements conditional logistic regression for survival data as an alternative to the Cox model when hazards are non-proportional. The surv2sampleComp packages proposes some model-free contrast comparison measures such as difference/ratio of cumulative hazards, quantiles and restricted mean. The rstpm2 package provides link-based survival models that extend the Royston-Parmar models, a family of flexible parametric models. The TransModel package implements a unified estimation procedure for the analysis of censored data using linear transformation models. The ICGOR fits the generalized odds rate hazards model to interval-censored data while GORCure generalized odds rate mixture cure model to interval-censored data. The thregI package permits to fit a threshold regression model for interval-censored data based on the first-hitting-time of a boundary by the sample path of a Wiener diffusion process. The miCoPTCM package fits semiparametric promotion time cure models with possibly mis-measured covariates. The smcure package permits to fit semiparametric proportional hazards and accelerated failure time mixture cure models. The case-base sampling approach for fitting flexible hazard regression models to survival data with single event type or multiple competing causes via logistic and multinomial regression can be found in package casebase. The intsurv package fits regular Cox cure rate model via an EM algorithm, regularized Cox cure rate model with elastic net penalty, and weighted concordance index for cure models. The GJRM package supports univariate proportional hazard, proportional odds and probit link models where the baseline and many types of covariate effects (including spatial and time-dependent effects) are modelled flexibly by means of penalised smoothers (e.g., penalised thin plate, monotonic B- and cubic splines, tensor products and Markov random fields). Right, left and interval censoring and left truncation can also be accounted for. This is done through the function gamlss.

多状态模型

• General Multistate Models: The coxph function from package survival can be fitted for any transition of a multistate model. It can also be used for comparing two transition hazards, using correspondence between multistate models and time-dependent covariates. Besides, all the regression methods presented above can be used for multistate models as long as they allow for left-truncation. The mvna package provides convenient functions for estimating and plotting the cumulative transition hazards in any multistate model, possibly subject to right-censoring and left-truncation. The etm package estimates and plots transition probabilities for any multistate models. It can also estimate the variance of the Aalen-Johansen estimator, and handles left-truncated data. The mstate package permits to estimate hazards and probabilities, possibly depending on covariates, and to obtain prediction probabilities in the context of competing risks and multistate models. The flexsurv package can fit and predict from fully-parametric multistate models, with arbitrarily-flexible time-to-event distributions, using either a cause-specific hazards or mixture model framework. The msm package contains functions for fitting general continuous-time Markov and hidden Markov multistate models to longitudinal data. Transition rates and output processes can be modelled in terms of covariates. The msmtools package provides utilities to facilitate the modelling of longitudinal data under a multistate framework using the msm package. The flexmsm package provides a general estimation framework for multi-state Markov processes with flexible specification of the transition intensities. It supports any type of process structure (forward and backward transitions, any number of states) and transition intensities can be specified via Generalised Additive Models, with syntax similar to that used for GAMs in R. The SemiMarkov package can be used to fit semi-Markov multistate models in continuous time. The distribution of the waiting times can be chosen between the exponential, the Weibull and exponentiated Weibull distributions. The TPmsm package permits to estimate transition probabilities of an illness-death model or three-state progressive model. The gamboostMSM package extends the mboost package to estimation in the mulstistate model framework, while the penMSM package proposes L1 penalised estimation. The TP.idm package implement the estimator of Una-Alvarez and Meira-Machado (2015) for non-Markov illness-death models.
  Epi 包实现 Lexis 对象作为一种方法来表示、操作和汇总来自多状态模型的数据。 LexisPlotR 包基于 ggplot2，允许绘制 Lexis 图。 TraMineR 包旨在分析描述生命历程的状态或事件序列。 asbio 计算给定来自转移矩阵的生存概率，在指定年龄组或生命阶段的个体预期数量。
• Competing risks: The package cmprsk estimates the cumulative incidence functions, but they can be compared in more than two samples. The package also implements the Fine and Gray model for regressing the subdistribution hazard of a competing risk. crrSC extends the cmprsk package to stratified and clustered data. The kmi package performs a Kaplan-Meier multiple imputation to recover missing potential censoring information from competing risks events, permitting to use standard right-censored methods to analyse cumulative incidence functions. Package pseudo computes pseudo observations for modelling competing risks based on the cumulative incidence functions. timereg does flexible regression modelling for competing risks data based on the on the inverse-probability-censoring-weights and direct binomial regression approach. riskRegression implements risk regression for competing risks data, along with other extensions of existing packages useful for survival analysis and competing risks data. Packages survival (via survfit) and prodlim can also be used to estimate the cumulative incidence function. The NPMLEcmprsk package implements the semi-parametric mixture model for competing risks data. The CFC package permits to perform Bayesian, and non-Bayesian, cause-specific competing risks analysis for parametric and non-parametric survival functions. The gcerisk package provides some methods for competing risks data. Estimation, testing and regression modeling of subdistribution functions in the competing risks setting using quantile regressions can be had in cmprskQR. The intccr package permits to fit the Fine and Gray model as well other models that belong to the class of semiparametric generalized odds rate transformation models to interval-censored competing risks data. The mmcif fits mixed cumulative incidence function models to model within-cluster dependence of both risk and timing.
• 重复事件数据： survival 包中的 coxph 可用于分析重复事件数据。 rms 包的 cph 函数拟合 Anderson-Gill 重复事件模型，该模型也可以使用 frailtypack 包拟合。 后者还允许拟合用于联合建模重复事件和终点事件的联合脆弱性模型。 condGEE 包实现了用于重复事件间隙时间的条件 GEE。 reda 包提供了函数来拟合伽马脆弱性模型，该模型使用分段常数或样条作为重复事件数据的基线速率函数，以及一些用于重复事件数据的杂项函数。 reReg 包实现了用于重复事件数据的几种回归模型。 spef 包包含用于拟合面板计数生存数据的半参数回归模型的函数。

相对生存

• relsurv 包提出了几个函数来处理相对生存数据。 例如，rs.surv 计算相对生存曲线。 rs.add 拟合加性模型，rsmul 拟合 Andersen 等人的 Cox 模型。 用于相对生存，而 rstrans 拟合变换时间中的 Cox 模型。
• The timereg 包允许拟合相对生存模型，例如比例超额模型和加性超额模型。
• The mexhaz 包允许使用不同的基线风险形状拟合风险回归模型。该模型可用于相对生存环境（超额死亡风险）以及总体生存环境（总体死亡风险）。
• The flexrsurv 包实现了 Remontet 等人 (2007) 和 Mahboubi 等人 (2011) 的模型。
• The survexp.fr 包根据法国死亡率计算相对生存率、绝对超额风险和标准化死亡率。
• The GJRM 包允许拟合基于链接的加性模型，用于超额风险，允许包含多种类型的协变量效应，包括空间和时间依赖效应，使用任何类型的平滑器，例如薄板、三次样条、张量积和马尔可夫随机场。信息性删失也可以像上面一样被考虑在内。

随机效应模型

• 脆弱性： 脆弱性项可以在包 survival 的 coxph 函数中添加。混合效应 Cox 模型在 coxme 包中实现。 timereg 包中的 two.stage 函数拟合 Clayton-Oakes-Glidden 模型。 frailtypack 包使用对风险函数的惩罚似然，对具有共享 Gamma 脆弱性的右删失和/或左截断数据拟合比例风险模型。该包还拟合了可用于例如荟萃分析和分层聚类数据（具有 2 个聚类级别）的加性脆弱性和嵌套脆弱性模型。使用 h 似然估计脆弱性项的 Cox 模型可以使用 frailtyHL 包拟合。 frailtySurv 包在各种脆弱性分布下模拟和拟合半参数共享脆弱性模型。 PenCoxFrail 包通过惩罚为 Cox 脆弱性模型提供正则化方法。 mexhaz 使得能够对具有时间依赖和/或非线性效应的超额风险回归模型进行建模，并在聚类级别定义随机效应。 frailtyEM 包包含用于使用期望最大化算法拟合具有半参数基线风险的共享脆弱性模型的函数。支持的数据格式包括具有左截断的聚类失效以及间隙时间或 Andersen-Gill 格式的重复事件
• 事件时间和纵向数据的联合建模： joineR 包允许通过联合随机效应模型分析重复测量和事件时间数据。 joint.Cox 包在肿瘤进展和死亡之间的联合脆弱性-copula 模型下执行 Cox 回归和动态预测以进行荟萃分析。 joineRML 包拟合 Henderson 及其同事 (2000) 提出的联合模型 doi:10.1093/biostatistics/1.4.465，但扩展到多个连续纵向测量的案例。 rstanarm 包拟合一个或多个纵向结果（连续、二元或计数数据）和事件时间的联合模型，在贝叶斯框架下估计。

多元生存

多元生存是指对单位的分析，例如双胞胎或家庭的生存。为了分析此类数据，我们可以估计生存时间的联合分布

• 联合建模： Icens 和 MLEcens 都可以估计受区间删失影响的双变量生存数据。
• 该 mets 包实现了用于多元事件历史数据的各种统计模型，例如多元累积发生率模型、双变量随机效应概率模型、Clayton-Oakes 模型。
• 该 MST 包使用边际模型和脆弱模型构建多元生存数据的树。
• 该 SurvCorr 包允许估计双变量、部分删失生存时间的相关系数及其置信区间。
• 该 MultSurvTests 包包含双样本 Gehan 和 logrank 检验的多元版本。
• 该 GJRM 包通过 copula 支持双变量生存结果的灵活联合建模。允许使用多种类型的协变量效应、copula 和边际分布。

贝叶斯模型

• 该 BMA 包计算 Cox 比例风险模型的贝叶斯模型平均。
• NMixMCMC 在 mixAK 中对删失数据的正态混合进行 MCMC 估计。
• 可以使用 MCMCpack 中的 MCMCtobit 对具有左删失、右删失或区间删失数据的正态线性回归进行 MCMC 拟合。
• weibullregpost 函数在 LearnBayes 中计算 Weibull 比例优势回归模型的对数后验密度。
• 该 MCMCglmm 使用 MCMC 对右删失、左删失和区间删失数据拟合广义线性混合模型。
• 该 JMbayes 包在贝叶斯方法下执行纵向数据和时间到事件数据的联合建模。
• 该 rstanarm 包在贝叶斯框架下拟合一个或多个纵向结果（连续、二元或计数数据）和时间到事件的联合模型。
• 半竞争风险数据的贝叶斯参数和半参数估计可以通过 SemiCompRisks 包获得。
• 该 psbcGroup 包实现了具有弹性网络、融合套索和组套索先验的惩罚半参数贝叶斯 Cox 模型。
• 该 PReMiuM 包使用狄利克雷过程混合模型对删失响应实现贝叶斯聚类。
• The spBayesSurv package provides Bayesian model fitting for several survival models including spatial copula, linear dependent Dirichlet process mixture model, anova Dirichlet process mixture model, proportional hazards model and marginal spatial proportional hazards model.
• The IDPSurvival package implements non-parametric survival analysis techniques using a prior near-ignorant Dirichlet Process.

机器学习

• 递归划分： rpart implements CART-like trees that can be used with censored outcomes. The party package implements recursive partitioning for survival data. LogicReg can perform logic regression. The LTRCtrees package provides recursive partition algorithms designed for fitting survival tree with left-truncated and right censored data. The package also includes an implementation of recursive partitioning (conditional inference trees) for interval-censored data. bnnSurvival implements a bootstrap aggregated version of the k-nearest neighbors survival probability prediction method.
• 随机森林： Package ipred implements bagging for survival data. The randomForestSRC package fits random forest to survival data, while a variant of the random forest is implemented in party. A faster implementation can be found in package ranger. An alternative algorithm for random forests is implemented in icRSF.
• 正则化和收缩方法： The glmnet package provides procedures for fitting the entire lasso or elastic-net regularization path for Cox models. The glmpath package implements a L1 regularised Cox proportional hazards model. An L1 and L2 penalised Cox models are available in penalized. The pamr package computes a nearest shrunken centroid for survival gene expression data. The lpc package implements the lassoed principal components method. The ahaz package implements the LASSO and elastic net estimator for the additive risk model. The fastcox package implements the Lasso and elastic-net penalized Cox’s regression using the cockail algorithm. The SGL package permits to fit Cox models with a combination of lasso and group lasso regularisation. The hdnom package implements 9 types of penalised Cox regression methods and provides methods for model validation, calibration, comparison, and nomogram visualisation. The Cyclops package implements cyclic coordinate descent for the Cox proportional hazards model.
• 增强： Cox 模型的梯度提升在 gbm 包中实现。 mboost 包包含一个通用的梯度提升算法，用于构建针对右删失数据的预后和诊断模型。 xgboost 包含 Cox 回归（右删失生存数据）和 AFT 模型（右、左、区间和未删失）的方法。
• 其他： superpc 包实现了生存数据的监督主成分。 compound.Cox 包使用复合协变量方法拟合 Cox 比例风险模型。 plsRcox 提供偏最小二乘回归和各种技术，用于在高维设置中拟合 Cox 模型。

预测和预测性能

• pec 包提供实用程序来绘制多个生存模型的预测误差曲线。 riskRegression 包现在包含了 pec 包的大部分功能。
• peperr 实现预测误差技术，这些技术可以在并行化方式下计算。适用于高维数据。
• timeROC 包允许估计具有删失数据的时变 ROC 曲线和时变 AUC，可能存在竞争风险。
• survivalROC 使用 Kaplan-Meier 或 Akritas 的最近邻估计方法（累积敏感性和动态特异性）从删失数据计算时变 ROC 曲线和时变 AUC。
• tdROC 可用于使用非参数权重调整从删失生存数据计算时变 ROC 曲线。
• risksetROC 实现 Heagerty 和 Zheng（Biometrics，2005）的时变 ROC 曲线、AUC 和积分 AUC。
• survAUC 包中实现了各种时变真/假阳性率和累积/动态 AUC。
• survcomp 包提供了一些函数来评估和比较生存模型的性能。
• 具有删失生存数据的风险预测模型的 C 统计量可以通过 survC1 包计算。
• survIDINRI 包实现了集成判别改进指数和无类别净重新分类指数，用于比较竞争风险预测模型。
• compareC 包允许比较具有右删失生存结果的 C 指数
• The APtools 包提供工具来估计风险评分或标记的平均阳性预测值和 AUC。

功效分析

• The NPHMC 允许根据比例风险混合治愈模型计算样本量。
• The powerSurvEpi 包提供生存分析的功效和样本量计算（重点关注流行病学研究）。
• 使用 survSNP 包可以对具有时间到事件结果的 SNP 关联研究进行功效分析和样本量计算。

模拟

• The genSurv 包允许生成具有一个二元时间依赖协变量和来自渐进性疾病死亡模型的数据。
• The PermAlgo 包允许用户模拟复杂的生存数据，其中事件和审查时间可能取决于用户指定的（可能是时间依赖的）协变量列表。
• The prodlim 包提出了一些用于模拟复杂事件历史数据的函数。
• The gems 包还允许模拟和分析多状态模型。该包允许对过渡风险函数进行一般规范，用于非马尔可夫模型和对历史的依赖关系。
• The simMSM 包提供用于模拟可能具有非线性基线风险和非线性协变量效应的复杂多状态模型数据的函数。
• The simPH 包实现了用于模拟和绘制从比例风险模型估计的感兴趣量的工具。
• The survsim 包允许模拟简单和复杂的生存数据，例如复发事件数据和竞争风险。
• The simsurv 包使用户能够从标准参数生存分布（指数、威布尔、Gompertz）、2 分量混合分布或用户定义的风险或对数风险函数模拟生存时间。时间依赖效应（即非比例风险）可以通过将协变量与线性时间或时间的某种变换进行交互来包含。
• The MicSim 包提供用于执行人口预测的连续时间微观模拟的例程。微观模拟的基础是多状态模型，马尔可夫或非马尔可夫，其中指定了过渡强度，以及初始队列。
• The SimHaz 包允许模拟具有二元时间依赖暴露的数据。
• The SimSurvNMarker 包提供从联合生存和潜在的多变量标记模型中模拟的功能。用户定义的时间基础扩展可以传递，这会影响对数风险、标记以及两者之间的关联。

图形

本节尝试列出一些在事件历史分析中可能很有用的专用绘图函数。

• The rms 包提议用于绘制生存曲线的函数，其中风险表与 x 轴对齐。 prodlim 将此扩展到竞争风险模型。
• The plot.Hist function in prodlim 允许绘制表征多状态模型的状态和转换。
• The Epi 包提供了许多用于表示多状态数据的绘图函数，特别是 Lexis 图。
• The FamEvent (archived) 为具有遗传突变的家庭生成事件发生时间结果，这些结果在不同的抽样设计下，并估计具有识别校正的家庭数据的渗透率函数。
• vsd 提供图形垫片，用于视觉生存数据分析。

其他

• The survminer 包包含函数 ggsurvplot，用于绘制带有“风险人数”表的生存曲线。其他函数也可用于对 Cox 模型假设进行视觉检查。
• The InformativeCensoring 包用于处理信息性删失的多重插补方法。
• The discSurv 提供数据转换、估计实用程序、预测评估指标和离散时间生存分析的模拟函数。
• dynpred 是“临床生存分析中的动态预测”的配套包。
• Package boot 提议 censboot 函数，该函数实现了针对右删失数据的几种类型的引导技术。 boot.pval 包包含方便函数 censboot_summary，用于计算 Cox 模型和加速失效时间模型的引导 p 值和置信区间。
• The currentSurvival 包估计当前累积发生率和当前无白血病生存函数。
• The KMsurv 包含 Klein 和 Moeschberger (1997) 的数据集。该包 SMPracticals 伴随 Davidson (2003) 和 DAAG 伴随 Maindonald, J.H. 和 Braun, W.J. (2003, 2007) 也包含生存数据。
• The SvyNom 包允许构建、验证和校准来自复杂右删失调查数据的列线图。
• The logconcens 包计算可能用于区间删失数据的密度（对数凹）的 MLE。
• The coarseDataTools 包实现了一个 EM 算法来估计两组之间的相对病例死亡率。
• The GSSE 包提出了一种完全有效的筛分最大似然方法来估计非参数模型下基因型特异性事件发生时间分布。
• 基于受限平均生存时间的差异的功效和样本量计算可以使用 SSRMST 包进行。
• The survMisc 提供了各种例程来帮助分析右删失生存数据。
• 《应用生存分析：R语言实践》一书的配套数据集可以在 asaur 包中找到。
• The survex 提供了易于应用的生存模型解释（包括复杂的机器学习模型和简单的统计模型），使人们能够探索和解释这些模型。

CRAN 包

相关链接

• GAMLSS
• 竞争风险和多状态模型教程
• 生存数据的比例风险回归。应用回归的 R 和 S-PLUS 伴侣附录。
• 统计软件杂志。特刊：竞争风险和多状态模型

其他资源

• Bioconductor 包：Icens
• Bioconductor 包：multtest
• Bioconductor 包：survcomp