R语言进阶绘图：生存曲线

2023-4-17

两组间带置信区间的生存曲线

以下是一个使用R语言和survival及ggplot2包绘制两组间带置信区间的生存曲线的示例。我们将使用lung数据集，该数据集包含了一组肺癌患者的生存时间和其他相关信息。在此示例中，我们将根据患者是否接受了放疗（变量名为ph.ecog）将数据分为两组。

首先，安装并加载所需的包：

if (!requireNamespace("survival", quietly = TRUE))
install.packages("survival")
library(survival)if (!requireNamespace("ggplot2", quietly = TRUE))
install.packages("ggplot2")
library(ggplot2)if (!requireNamespace("survminer", quietly = TRUE))
install.packages("survminer")
library(survminer)

接下来，加载数据并对数据进行预处理：

# 加载数据
data("lung")
我们展示lung数据集的前几行：
# 显示数据集的前6行
head(lung)

# 将ph.ecog变量转换为因子类型，使其更易于处理 lung$ph.ecog <- as.factor(lung$ph.ecog)

#现在，使用survfit()函数拟合生存曲线模型：



# 使用Cox比例风险模型拟合生存曲线
fit <- survfit(Surv(time, status) ~ ph.ecog, data = lung)


#最后，使用ggsurvplot()函数绘制生存曲线图：



# 绘制生存曲线
p <- ggsurvplot(fit, data = lung,
risk.table = TRUE, # 在图下方显示风险表
pval = TRUE, # 显示log-rank检验的p值
conf.int = TRUE, # 添加置信区间
xlab = "时间（天）", # x轴标签
ylab = "生存概率", # y轴标签
title = "两组患者的生存曲线", # 图标题
legend.labs = c("ECOG 0", "ECOG 1", "ECOG 2", "ECOG 3"), # 图例标签
legend.title = "治疗情况", # 图例标题
linetype = c("solid", "dashed", "dotted", "dotdash"), # 线型
palette = c("#E69F00", "#56B4E9", "#009E73", "#F0E442"), # 颜色
ggtheme = theme_minimal()) # 图形主题# 显示图形
print(p)

在这个示例中，我们首先加载了所需的包和数据，然后对数据进行了预处理。接下来，我们使用了Cox比例风险模型拟合生存曲线，并使用ggsurvplot()函数绘制了生存曲线图。我们设置了各种参数，使图形尽可能美观和详尽，包括添加风险表、显示log-rank检验的p值、添加置信区间以及设置轴标签、图例和线型等。

接下来，我们按照之前的步骤创建生存曲线图。然后，我们将图形保存为PDF文件：

# 保存图形为PDF文件

ggsave(filename = "survival_curve.pdf", plot = p$plot, device = "pdf", width = 10, height = 7, units = "in")

这段代码将在当前工作目录下创建一个名为survival_curve.pdf的文件，其中包含生存曲线图。在ggsave()函数中，你可以自定义PDF文件的大小和分辨率，例如设置width、height和units参数。

具有cut-off的生存曲线

首先，我们将使用survival和survminer包创建生存曲线。这里，我将使用内置的lung数据集作为示例。lung数据集是关于肺癌患者的生存数据。



# 安装并加载所需的包
if (!requireNamespace("survival", quietly = TRUE))
install.packages("survival")
if (!requireNamespace("survminer", quietly = TRUE))
install.packages("survminer")library(survival)
library(survminer)# 加载lung数据集
data(lung)# 显示前几行数据
head(lung)# 创建生存对象
surv_object <- Surv(lung$time, lung$status)

# 使用Cox比例风险模型拟合生存数据
# 以性别（sex）作为分组变量
fit <- survfit(surv_object ~ sex, data = lung)

# 绘制生存曲线
g <- ggsurvplot(fit, data = lung,
risk.table = TRUE,
pval = TRUE,
conf.int = TRUE,
legend.labs = c("Male", "Female"),
xlab = "Time (days)",
ylab = "Survival probability",
title = "Survival curves with 95% confidence intervals",
break.time.by = 500,
ggtheme = theme_minimal())

# 在生存曲线上添加cutoff
cutoff <- 1000
g$table <- g$table + geom_vline(xintercept = cutoff, linetype = "dashed", color = "blue")
g$plot <- g$plot + geom_vline(xintercept = cutoff, linetype = "dashed", color = "blue")

# 显示图形
print(g)

# 保存为PDF文件
ggsave("survival_curves.pdf", g$plot, width = 10, height = 6)

以下是代码解释：

加载survival和survminer包。
加载lung数据集并显示前几行数据。
使用Surv()函数创建生存对象，包含时间和状态。
使用survfit()函数拟合生存数据，以性别（sex）作为分组变量。
使用ggsurvplot()函数绘制生存曲线，添加风险表、置信区间、P值、图例等元素。
添加cutoff线，此处使用1000天作为cutoff。
显示并保存图形为PDF文件。

两变量组合分组的生存曲线图

为了演示这个例子，我们将使用R中的survival和ggplot2包，并使用lung数据集，这是一个关于肺癌患者生存时间的数据集。lung数据集包含了患者的生存时间（time）、生存状态（status）、年龄（age）和性别（sex）等信息。我们将绘制年龄和性别分组的生存曲线，并添加置信区间和cutoff。



# 安装并加载所需的包
if (!requireNamespace("survival", quietly = TRUE))
install.packages("survival")
library(survival)if (!requireNamespace("ggplot2", quietly = TRUE))
install.packages("ggplot2")
library(ggplot2)if (!requireNamespace("survminer", quietly = TRUE))
install.packages("survminer")
library(survminer)

# 加载lung数据集，并显示前几行
data(lung)
head(lung)



 # 创建分组变量 lung$group <- factor( (lung$sex == 1 & lung$age >= 65) * 1 + (lung$sex == 1 & lung$age < 65) * 2 + (lung$sex == 2 & lung$age >= 65) * 3 + (lung$sex == 2 & lung$age < 65) * 4, labels = c("女性 - 高龄", "女性 - 低龄", "男性 - 高龄", "男性 - 低龄") )

# 生存分析
# 使用time（生存时间）和status（生存状态）创建Surv对象
# status = 1表示生存，status = 2表示死亡
lung_surv <- Surv(time = lung$time, event = lung$status == 2)

# 使用Cox比例风险模型进行生存分析
cox_model <- coxph(lung_surv ~ age + sex, data = lung)

# 绘制生存曲线
ggsurvplot(
cox_model, # Cox模型
data = lung, # 数据集
risk.table = TRUE, # 显示风险表
pval = TRUE, # 显示p值
conf.int = TRUE, # 显示置信区间
break.time.by = 100, # 时间刻度间隔
ggtheme = theme_bw(), # 使用黑白主题
xlab = "时间（天）", # x轴标签
ylab = "生存概率", # y轴标签
title = "生存曲线（年龄和性别分组）", # 图标题
legend.title = "组别", # 图例标题
legend.labs = c("女性 - 高龄", "女性 - 低龄", "男性 - 高龄", "男性 - 低龄"), # 图例标签
ylim = c(0, 1), # y轴范围
palette = c("#E69F00", "#56B4E9", "#009E73", "#F0E442"), # 颜色设置
censor = TRUE, # 显示censor点
fontsize = 3, # 字体大小
cutoff = c("age=65", "sex=1") # cutoff设置
) -> plot

# 保存为PDF文件
ggsave(file = "Survival_curve.pdf", plot = plot, width = 10, height = 7)

这个示例将生成一个生存曲线图，展示了年龄和性别分组的生存概率。曲线周围的阴影区域表示置信区间。cutoff值（在这个例子中是年龄=65和性别=1）将数据分为四组：女性-高龄、女性-低龄、男性-高龄和男性-低龄。下面详细解释每一行代码：

安装并加载所需的包：survival、ggplot2和survminer。
加载lung数据集，并显示前几行。
使用lung数据集中的time（生存时间）和status（生存状态）列创建一个Surv对象。
使用Cox比例风险模型进行生存分析。模型基于lung_surv、年龄（age）和性别（sex）。
使用ggsurvplot()函数绘制生存曲线：
- cox_model：输入的Cox模型。
- data：数据集。
- risk.table：是否显示风险表。
- pval：是否显示p值。
- conf.int：是否显示置信区间。
- break.time.by：时间刻度间隔。
- ggtheme：绘图主题。
- xlab、ylab：x轴和y轴标签。
- title：图标题。
- legend.title：图例标题。
- legend.labs：图例标签。
- ylim：y轴范围。
- palette：曲线颜色设置。
- censor：是否显示censor点。
- fontsize：字体大小。
- cutoff：设置cutoff值（年龄和性别）。
使用ggsave()函数将图保存为PDF文件，指定文件名、绘图对象和图片尺寸。

这个示例展示了如何使用R语言绘制生存曲线，并根据年龄和性别分组。图中还显示了置信区间和cutoff值。

阅读剩余

THE END