生信分析-关于Logrank p值

[zemise]

一、Logrank p含义

logrankp值，也叫作“对数排名检验P值”，是生存分析中常用的一种统计方法，在比较两组数据生存曲线的差异时十分重要。它表示一个假设被拒绝的程度，一般情况下Logrank p值小于0.05时即拒绝原假设，认为两组数据的生存曲线存在显著差异。

二、Log-rank检验和Hazard Ratio鉴别

	原数据	多组数据比较
Log-rank	可以非均匀	是
Hazard Ratio	均匀	否

三、Log-rank检验和Wilcoxon检验

大多数软件中都是和log-rank检验一起出现的方法——wilcoxon检验。两者权重的不同，导致了log-rank检验与Wilcoxon检验有一定的倾向性。

• 若log-rank检验有意义而Wilcoxon检验无意义，表明可能远期差异较大，早期则不一定，有可能差异不大。
• 若log-rank检验无意义而Wilcoxon检验有意义，表明早期生存差别较大，远期生存差异不大。

三、SPSS进行Log-rank检验

1. 打开SPSS软件，导入需要进行检验的数据文件；
2. 进入“分析”菜单，选择“生存分析”子菜单，然后选择“生存时间数据”选项；
3. 在弹出的窗口中选择需要进行比较的两组数据，确认后继续；
4. 设置“时间变量”和“状态变量”，然后选择需要进行的分析类型（比如对数排名检验），最后点击确定；
5. 在分析结果中可以查看各项统计指标，其中包括logrankp值。同时还可以生成生存曲线等可视化结果。

四、Python进行Log-rank检验

通过读取包含生存时间和事件（死亡、失踪等）信息的CSV文件，将数据分为两组，然后使用lifelines库的logrank_test函数进行比较，最终输出logrankp值。

import pandas as pd
from lifelines.statistics import logrank_test

data = pd.read_csv('survival_data.csv')
group1 = data[data['group']==1]['survival_time']
censor1 = data[data['group']==1]['event']
group2 = data[data['group']==2]['survival_time']
censor2 = data[data['group']==2]['event']

results = logrank_test(group1, group2, censor1, censor2)

print('logrankp值为：', results.p_value)