lifelines を使い、ログランク検定および Cox 比例ハザードモデル分析を行う。
必要なライブラリを import する。
!pip install lifelines #必要な場合のみ from lifelines import KaplanMeierFitter, CoxPHFitter from lifelines.statistics import logrank_test import pandas as pd
通常は Excel 等で作成した CSV ファイルを R に読み込んで分析する。しかし、ここでは便宜的に以下の簡単なデータフレームを作成し、data という変数に格納しておく。打ち切り = 0 なら打ち切りありとしている。
data = pd.DataFrame({"患者番号":[1,2,3,4,5,6,7,8,9,10], "抗がん剤":["A","A","A","A","A","B","B","B","B","B"], "生存期間":[20,30,40,50,60,55,75,105,115,120], "打ち切り":[1,1,1,1,0,1,1,1,1,0], "全身状態":[2,3,2,3,2,0,1,0,0,1]})
data の内容を確認する。
data
data から A 群、B 群をそれぞれ抽出し、Kaplan-Meier モデルに適合させる。
#A 群
A = data.query('抗がん剤 == "A"')
kmf_A = KaplanMeierFitter()
kmf_A.fit(A.生存期間, A.打ち切り)
#B 群
B = data.query('抗がん剤 == "B"')
kmf_B = KaplanMeierFitter()
kmf_B.fit(B.生存期間, B.打ち切り)
Kaplan-Meier 法により、抗がん剤 A 群と抗がん剤 B 群を比較する。
#生存期間中央値 kmf_A.median_survival_time_ kmf_B.median_survival_time_ #生存確率、信頼区間 kmf_A.confidence_interval_survival_function_ kmf_B.confidence_interval_survival_function_ #5年 (60カ月) 生存率 kmf_A.predict(60) kmf_B.predict(60) #Kaplan-Meier 曲線の図示 kmf_A.plot() and kmf_B.plot()
ログランク検定を行う。
result = logrank_test(A.生存期間, B.生存期間, A.打ち切り, B.打ち切り) result.print_summary()
p 値をもっと正確に知りたい場合は以下のようにする。
result.p_value
次に、Cox 比例ハザードモデル分析を行う。lifelines で Cox 比例ハザードモデル分析を行う場合、data に “A”、”B” などの文字が含まれているとうまく解析できない。また、変量名に “生存期間” などの日本語（2バイト文字）を使うとグラフのラベルに表示されない。
以上を踏まえ、あらためて以下の簡単なデータフレームを使う。
data_cox = pd.DataFrame({"Group":[0,0,0,0,0,1,1,1,1,1], "Duration":[20,30,40,50,60,55,75,105,115,120], "Censor":[1,1,1,1,0,1,1,1,1,0], "PS":[2,3,2,3,2,0,1,0,0,1]})
data_cox の内容を確認する。
data_cox
Cox 比例ハザードモデル分析を行う。
cph = CoxPHFitter() cph.fit(data_cox, "Duration", "Censor") cph.print_summary()
各変量の信頼区間をグラフに描出することもできる。
cph.plot()