PySurTool - A Python Based Survival Analysis Tool

数据结构与说明录入或上传数据查看数据或导出数据代码

样本量计算

时间终点的样本量计算与模拟

单样本率优效性检验的样本量计算两独立样本率优效性检验的样本量计算单阶段 / Simon's 2 阶段 Phase II 样本量计算

Kaplan-Meier生存曲线估计绘制森林图绘制瀑布图绘制游泳图绘制生命周期图绘制Nomogram

倾向性评分匹配相关性矩阵与绘图方差膨胀因子计算

Cox回归分析 Landmark 分析分段Log-rank检验限制性立方样条(生存分析) 删失数据估计时间依赖的ROC曲线和AUC

比较两组或多组均数/中位数比较分类变量的分布比较两组或多组有序变量的分布

一组连续变量的统计描述与正态分布假设检验一组数据的两次观测比较

率的可信区间计算

Boruta 特征选择 LASSO 逻辑回归特征选择(2分类) LASSO Cox回归特征选择(生存分析) XGBoost的SHAP解释(2分类) XGBoost的SHAP解释(生存分析)

PVI计算器基于R的生存分析工具

- A python based survival analysis tool

Python 3.10-3.12

R 4.1-4.4

Build YYYYMM

常用数据操作

数据结构与说明
录入或上传数据

常用表格操作

表格生成

常用样本量计算

时间终点的样本量计算与模拟
单样本率优效性检验的样本量计算
两独立样本率优效性检验的样本量计算
单阶段 / Simon's 2 阶段 Phase II 样本量计算

常用绘图操作

Kaplan-Meier生存曲线估计
绘制森林图
绘制瀑布图
绘制游泳图
绘制Nomogram

常用统计分析

倾向性评分匹配
相关性矩阵与绘图
方差膨胀因子计算
Cox回归分析
比较两组或多组均数/中位数
比较分类变量的分布
比较两组或多组有序变量的分布

机器学习

Boruta 特征选择

LASSO 逻辑回归特征选择(2分类)

LASSO Cox回归特征选择(生存分析)

XGBoost的SHAP解释(2分类)

XGBoost的SHAP解释(生存分析)

常用其他操作

基于R的生存分析工具

PySurTool introduction

基于Python的生存分析工具集 by Lokyshin