R|生存分析 - KM曲线 ,必须拥有姓名和颜值

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

生存分析相关推文:

生存分析和KM曲线:R|生存分析(1)

分析结果一键输出:R|生存分析-结果整理

时间依赖生存分析:R|timeROC-分析

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

二 原生KM曲线

#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

三 KM曲线“美颜”

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,下面为你可能需要的ggplot2的几个知识:

ggplot2|详解八大基本绘图要素

ggplot2|theme主题设置,详解绘图优化-“精雕细琢”

ggplot2 |legend参数设置,图形精雕细琢

ggplot2|ggpubr进行“paper”组图合并

参考资料:

更多参数参见官方文档:https://github.com/kassambara/survminer

下一篇
举报

扫码关注云+社区

领取腾讯云代金券