R语言绘制生存曲线估计|生存分析|如何R作生存曲线图
根据生存曲线的估计，可以推断出相比组之间存活时间的差异，因此生存曲线非常有用，几乎可以在每个生存分析中看到。
例
在我们将对象放入ggsurvplot()函数之后，我们可以创建简单的生存曲线估计。让我们来看看患有卵巢癌（卵巢浆液性囊腺癌）和患有乳腺癌（乳腺浸润癌）的患者之间存活时间的差异 。
BRCAOV.survInfo\nlibrary(survival)\nfit <- survfit(Surv(times, patient.vital_status) ~ admin.disease_code,\n data = BRCAOV.survInfo)\n# Visualize with survminer\nggsurvplot(fit, data = BRCAOV.survInfo, risk.table = TRUE)","classes":{"has":1}}" data-cke-widget-upcasted="1" data-cke-widget-keep-attr="0" data-widget="codeSnippet" style="margin-top: 0px; margin-bottom: 0px; padding: 0px; white-space: pre-wrap; overflow-wrap: break-word;"> survivalTCGA(BRCA.clinical, OV.clinical, extract.cols = "admin.disease_code") -> BRCAOV.survInfo library(survival) fit <- survfit(Surv(times, patient.vital_status) ~ admin.disease_code, data = BRCAOV.survInfo) # Visualize with survminer ggsurvplot(fit, data = BRCAOV.survInfo, risk.table = TRUE)
need-to-insert-img
need-to-insert-img
这个简单的图表以优雅的方式呈现了生存概率的估计值，该估计值取决于根据癌症类型分组的癌症诊断天数和信息风险集表，其中显示了在特定时间段内观察的患者数量。生存分析是一个特定的数据分析领域，因为事件数据的审查时间，因此风险集大小是视觉推理的必要条件。
