우리는 종종 생존 곡선을 사용하여 임상 실습에서 환자의 누적 생존율 또는 이환율을 표현합니다. 아래 그림에서 볼 수 있듯이 Kaplan-Meier 생존 곡선은 다른시기에 환자의 이환율, 생존율 및 기타 주요 데이터를 잘 나타낼 수 있습니다. 한눈에 명확합니다.
오늘 우리는 위와 같은 두 개의 그림을 만드는 방법을 보여줄 것입니다. 다채로운 그림은 지난 SEER 데이터베이스 기사에서 발췌 한 것입니다 : 원발성 간 림프종 환자의 발생률, 예후 인자 및 생존 결과. 우리는 여전히 이전 유방암 데이터를 사용합니다.이 데이터를 사용하고 싶지 않았지만 좋은 데이터를 찾지 못했습니다. 도움이 필요한 친구들은 공식 계정 회신에주의를 기울이십시오 : 유방암, 당신은 데이터를 얻을 수 있습니다.
생존 및 survminer 패키지 두 개가 필요하며, 사전에 다운로드해야합니다.
먼저 패키지와 유방암 데이터를 가져옵니다.
library(survival)
library("survminer")
library(foreign)
bc <- read.spss("E:/r/test/Breast cancer survival agec.sav",
use.value.labels=F, to.data.frame=T)
bc <- na.omit(bc)
names(bc)
먼저 데이터를 살펴 보겠습니다.
연령은 나이, 병리 크기는 병리학 적 종양 크기 (cm), lnpos는 겨드랑이 양성 림프절, histgrad는 조직 병리학 적 등급, er는 에스트로겐 수용체 상태, pr은 프로게스테론 수용체 상태, 상태를 의미합니다. 결과 여부 event is death 여부, pathscat은 병리학 적 종양 크기 범주 (그룹화 변수), ln_yesno는 림프절 비대 여부, 시간은 생존 시간, 다음 agec는 스스로 설정하므로 신경 쓰지 않습니다.
이번에는 유방암의 생존 결과에 대한 림프절 비대 (ln_yesno)가 있는지 비교하고자합니다.
먼저 방정식을 맞추고 분석하여 각 환자 그룹에 대한 사건 수, 생존 시간 및 기타 데이터를 얻습니다.
fit <- survfit(Surv(time,status) ~ln_yesno,
data = bc) # 拟合方程
summary(fit)
ggsurvplot을 사용하여 플로팅
ggsurvplot(fit, data = bc)
신뢰 구간 및 위험 발생 테이블을 추가 할 수도 있습니다.
ggsurvplot(fit, data = bc,
conf.int = TRUE,
risk.table = TRUE) # 添加风险表
총 환자 생존 시간과 P 값을 추가 할 수도 있습니다.
在这里插入代码片
```ggsurvplot(fit, # 创建的拟合对象
data = bc,
conf.int = TRUE, # 显示置信区间
pval = TRUE, # 添加P值
add.all = TRUE) # 添加总患者生存曲线
还可以进一步美化
```r
ggsurvplot(fit, # 创建的拟合对象
data = bc, # 指定变量数据来源
conf.int = TRUE, # 显示置信区间
pval = "log-rank test p: 0.031", # 添加P值
surv.median.line = "hv", # 添加中位生存时间线
risk.table = TRUE, # 添加风险表
risk.table.col = "strata", # 根据分层更改风险表颜色
xlab = "Follow up time(d)", # 指定x轴标签
legend = c(0.7,0.2), # 指定图例位置
legend.title = "Kaplan-Meier", # 设置图例标题
legend.labs = c("pr=1", "pr=0"), # 指定图例分组标签
break.x.by = 10,# 设置x轴刻度间距
break.y.by = 0.1,# 设置y轴刻度间距
palette = c("#E7B800", "#2E9FDF"),##更改线条颜色
ggtheme = theme_bw()) #添加网格线
다음으로 이벤트 (사망) 율 함수 그래프를 작성합니다.
ggsurvplot(fit, data = bc,
conf.int = TRUE, # 增加置信区间
fun = "cumhaz") # 绘制累计风险曲线
더 아름답게 할 수 있습니다
ggsurvplot(fit, data = bc,
conf.int = TRUE, # 增加置信区间
fun = "cumhaz",# 绘制累计风险曲线
pval = "log-rank test p:0.0025", # 添加P值
risk.table = TRUE, # 添加风险表
risk.table.col = "strata", # 根据分层更改风险表颜色
xlab = "Follow up time(d)", # 指定x轴标签
legend = c(0.2,0.8), # 指定图例位置
legend.title = "Kaplan-Meier", # 设置图例标题
legend.labs = c("pr=1", "pr=0"), # 指定图例分组标签
break.x.by = 10,# 设置x轴刻度间距
break.y.by = 0.05,# 设置y轴刻度间距
palette = c("#E7B800", "#2E9FDF"),##更改线条颜色
ggtheme = theme_bw()) #添加网格线
더 흥미로운 기사를 보려면 공개 번호 : Zero-Basic Research에 주목하십시오. 이 기사에서 유방암 데이터를 얻으려면 공식 계정을 따르고 답장하십시오 : 유방암, 당신은 데이터를 얻을 수 있습니다
