vlambda博客
学习文章列表

    生存分析作为分析疾病/癌症预后的出镜频率超高的分析手段，而其结果展示的KM曲线也必须拥有姓名和颜值！

一 载入数据，R包

R-survival包生存分析，R-survminer进行KM曲线展示，我喜欢这个组合。

为了复现方便，使用内置lung数据集

#载入所需的R包
library("survival")
library("survminer")
#载入并查看数据集
data("lung")
head(lung)
 inst time status age sex ph.ecog ph.karno pat.karno meal.cal wt.loss
1    3  306      2  74   1       1       90       100     1175      NA
2    3  455      2  68   1       0       90        90     1225      15
3    3 1010      1  56   1       0       90        90       NA      15
4    5  210      2  57   1       1       90        60     1150      11
5    1  883      2  60   1       0      100        90       NA       0
6   12 1022      1  74   1       1       50        80      513       0

#构建模型
fit <- survfit(Surv(time, status) ~ sex, data=lung)

#绘制原生KM曲线

plot(fit)

可以很容易的发现与文献中的差异，部分可优化点：

1）区分两条线的颜色和legend

2）坐标轴，标题，主题优化

3）Risk table

4）P值，OR值，CI值等注释信息

1 survminer绘制KM曲线

p1 <- ggsurvplot(fit)

p1

呐，线的颜色可以和性别对应起来了，Q1解决！

2 坐标轴，标题，主题优化

p2 <- ggsurvplot(fit, data = lung,
          surv.median.line = "hv", #添加中位生存曲线
          palette=c("red", "blue"),  #更改线的颜色
          legend.labs=c("Sex1","Sex2"), #标签
          legend.title="Treatment",
          title="Overall survival", #标题
          ylab="Cumulative survival (percentage)",xlab = " Time (Days)", #更改横纵坐标
          censor.shape = 124,censor.size = 2,conf.int = FALSE, #删失点的形状和大小
          break.x.by = 100#横坐标间隔
          )
p2

以上基本就完成了KM曲线颜色，线型大小，标签，横纵坐标，标题，删失点等的修改，Q2搞定！

注意：中位生存时间表示50 ％的个体尚存活的时间，而不是生存时间的中位数！

3 Risk Table

p3 <- ggsurvplot(fit, data = lung,
          surv.median.line = "hv", #添加中位生存曲线
          palette=c("red", "blue"),
          legend.labs=c("Sex1","Sex2"), #标签
          legend.title="Treatment",
          title="Overall survival",
          ylab="Cumulative survival (percentage)",xlab = " Time (Days)", #更改横纵坐标
          censor.shape = 124,censor.size = 2,conf.int = FALSE,
          break.x.by = 100,
          risk.table = TRUE,tables.height = 0.2,
          tables.theme = theme_cleantable(),
          ggtheme = theme_bw())
p3

注 tables.height可调整为看起来“舒服”的高度

根据risk table 可以看出关键点的当前状态，Q3摆平！

4 添加注释信息

1）添加KM的P值

P4 <- ggsurvplot(fit, data = lung,
          pval = TRUE,#添加P值
          pval.coord = c(0, 0.03), #调节Pval的位置
          surv.median.line = "hv", #添加中位生存曲线
          palette=c("red", "blue"),
          legend.labs=c("Sex1","Sex2"), #标签
          legend.title="Treatment",
          title="Overall survival",
          ylab="Cumulative survival (percentage)",xlab = " Time (Days)", #更改横纵坐标
          censor.shape = 124,censor.size = 2,conf.int = FALSE,
          break.x.by = 100,
          risk.table = TRUE,tables.height = 0.2,
          tables.theme = theme_cleantable(),
          ggtheme = theme_bw())
P4

pval.coord可以调节P值得位置

2）添加COX回归hazard ratio值等相关信息

###添加HR ,CI ,P
res_cox<-coxph(Surv(time, status) ~sex, data=lung)
p3$plot = p3$plot + ggplot2::annotate("text",x = 50, y = 0.15,
                            label = paste("HR :",round(summary(res_cox)$conf.int[1],2))) + ggplot2::annotate("text",x = 50, y = 0.10,
                   label = paste("(","95%CI:",round(summary(res_cox)$conf.int[3],2),"-",round(summary(res_cox)$conf.int[4],2),")",sep = ""))+
 ggplot2::annotate("text",x = 50, y = 0.05,
                   label = paste("P:",round(summary(res_cox)$coef[5],4)))
p3

3）添加其他信息

可类似上述annotation得方式，使用ggplot2添加文字，箭头，公式等其他信息，

           |  |  | 

 |  |