R|生存分析 - KM曲线，值得拥有姓名和颜值

2020-03-12 本文已影响0人生信补给站

> 本文首发于“生信补给站”：https://mp.weixin.qq.com/s/lpkWwrLNtkLH8QA75X5STw

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

一数据和R包

为方便，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)

img

可以很容易的发现与文献中的差异，可优化：

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

三优化KM曲线

1 survminer绘制KM曲线

p1 <- ggsurvplot(fit)
P1

img

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

img

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

img

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

img

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COX回归hazard ratio值相关信息
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