R可视化：科研绘图之生存KM曲线图

欢迎大家关注全网生信学习者系列：

• WX公zhong号：生信学习者
• Xiao hong书：生信学习者
• 知hu：生信学习者
• CDSN：生信学习者2

Snipaste_2024-06-19_13-44-07.png

介绍

ggsurvfit 是一个基于 R 语言的包，它扩展了 survival 包的功能，允许用户使用 ggplot2 的语法来创建美观的生存曲线图。KM曲线，即Kaplan-Meier曲线，是一种非参数统计方法，用于估计生存函数，即在给定时间点生存下来的概率。

ggsurvfit包

1. 美观性：ggplot2 提供了一种强大的图形语法，可以创建高度定制化和美观的图形。
2. 易用性：ggsurvfit 允许用户利用熟悉的 ggplot2 语法来绘制生存曲线，使得图形的创建过程更加直观和简单。
3. 扩展性：ggsurvfit 可以与 ggplot2 的其他扩展包一起使用，例如 ggpubr 或 ggthemes，以进一步增强图形的表现力。

KM曲线的意义

1. 生存分析：KM曲线提供了一种直观的方式来展示生存数据随时间的变化，常用于医学研究中评估患者的生存率。
2. 比较生存率：通过比较不同组别的 KM 曲线，可以观察到不同治疗或条件对生存率的影响。
3. 非参数方法：KM 方法不需要对生存时间的分布做出任何假设，这使得它适用于各种类型的数据。

如何阅读KM曲线

1. 水平轴：通常表示时间，可以是天、月、年等。
2. 垂直轴：表示生存概率，即在特定时间点生存下来的概率。
3. 曲线下降：曲线的下降表示随着时间的推移，生存概率的减少。
4. 曲线的阶梯状：每个台阶代表一个事件发生（例如死亡），曲线在事件发生时下降。
5. 比较曲线：如果有多条曲线，可以比较它们以了解不同组别或条件下的生存差异。

加载R包

加载所需要的R包

knitr::opts_chunk$set(message = FALSE, warning = FALSE)

library(ggsurvfit)
library(tidyverse)
library(survival)
library(survminer)
library(gtsummary)

# rm(list = ls())
options(stringsAsFactors = F)
options(future.globals.maxSize = 10000 * 1024^2)

导入数据

使用示例数据

data("df_lung")

head(df_lung)

inst<dbl>	time<dbl>	status<dbl>	age<dbl>	sex<fctr>	ph.ecog<fctr>
3	10.053388	2	74	Male	Symptomatic and ambulatory
3	14.948665	2	68	Male	Asymptomatic
3	33.182752	1	56	Male	Asymptomatic
5	6.899384	2	57	Male	Symptomatic and ambulatory
1	29.010267	2	60	Male	Asymptomatic
12	33.577002	1	74	Male	Symptomatic and ambulatory

数据预处理

数据预处理包含以下部分：代码见R可视化：科研绘图之生存KM曲线图

• 因子化分组
• 生存分析提取画图数据（生存概率和风险表）
• 计算风险系数HR和p值
• 计算中位数生存率对应的生存时间
• 汇总生存分析的结果

head(sur_all)

	Characteristic<chr>	sex_Male<chr>	sex_Female<chr>
1	No. of patients	sex_Male (n=138)	sex_Female (n=90)
2	Events (% of patients)	26 (0.19)	37 (0.41)
3	Median OS, months	8.9	14
4	P value	0.001	0.001
5	Hazard ratio	Reference	0.588

画图

生存分析的KM图，代码见R可视化：科研绘图之生存KM曲线图

pl

Snipaste_2024-06-19_13-44-07.png

结果：这张KM图比较了两组数据：男性（8.9个月）和女性（14个月）的生存情况。

• 生存曲线：图中的曲线代表了随时间变化的生存概率。曲线的下降表示在特定时间点有个体死亡或失去生存状态。
• 风险组：图中显示了两组风险组，男性和女性，分别用不同的曲线表示。
• 风险比（Hazard ratio, HR）：图中给出的风险比是0.59，这表示在相同的时间点，女性的死亡风险是男性的59%。95%置信区间（0.26-0.92）表示这个估计的不确定性范围，如果置信区间不包含1，通常认为HR有统计学意义。
• P值：P = 0.001，这是一个非常小的P值，通常小于0.05就认为统计结果有显著性，表示男性和女性的生存曲线差异是显著的。
• 风险数量（No. at risk）：图中的表格显示了每个时间点每个风险组中剩余的风险个体数量，随着时间的增加，风险数量逐渐减少，因为个体可能死亡或失去生存状态。