Forest plot（森林圖） | Cox生存分析可視化
- 2019 年 10 月 8 日
- 筆記
本文首發於“生信補給站”微信公眾號，https://mp.weixin.qq.com/s/2W1W-8JKTM4S4nml3VF51w
更多關於R語言，ggplot2繪圖，生信分析的內容，敬請關注小號，給您乾貨。
Meta分析的結果使用森林圖進行可視化展示很常見，其實COX生存分析也能用森林圖展示。
之前分享過繪製KM曲線R|生存分析（1），諾莫圖展示COX結果Nomogram（諾莫圖） | Logistic、Cox生存分析結果可視化，本文將簡單的介紹如何使用R-survminer包繪製Cox生存分析結果的森林圖。
一 數據準備
本文同樣使用上次的TCGA-LIHC隊列的臨床數據
#載入R函數包
library(survival)
library(survminer)
## 讀取LIHC數據
LIHC <- read.csv("TCGA-LIHC-nomogram.csv",header=TRUE)
head(LIHC)
二 構建COX回歸模型
對LIHC隊列進行Cox回歸分析，時間變量是time，結局變量是status，自變量選擇 age，gender和 grade，結果如下：
#構建模型
model <- coxph( Surv(time, status) ~ age + gender + grade , data = LIHC )
model
好吧，雖然不顯著，但是不影響後續森林圖的繪製。
三 繪製森林圖
1）ggforest繪製基礎森林圖
#基礎森林圖
ggforest(model, data = LIHC)
只需cox回歸模型以及數據集即可完成森林圖的繪製，但是可以從以下幾個方面去優化COX結果森林圖：
A：森林圖的標題
B：調整前三列的距離，防止過寬或過窄（重疊）
C：字體大小以及HR的小數位數
D：變量名稱的調整（分類變量使用數值表示）
2）森林圖優化，調整
調整變量名稱
LIHC <- within(LIHC, {
gender <- factor(gender, labels = c('female', 'male'))
grade <- factor(grade , labels = c('Grade1', 'Grade3', 'Grade3' , 'Grade4'))
})
也許覺得多此一舉？
更重要的用途是當分類變量使用1，2… n的數值表示的時候，在圖中不會給出分類比較的變量名稱，因此需要數值標誌的分類變量進行因子轉換，然後再繪製。
可自行將gender的FEMALE和MALE改成1 ，2 ，比較結果的區別。
優化森林圖
model <- coxph( Surv(time, status) ~ age + gender + grade , data = LIHC )
ggforest(model, #coxph得到的Cox回歸結果
data = LIHC, #數據集
main = 'Hazard ratio of LIHC', #標題
cpositions = c(0.05, 0.15, 0.35), #前三列距離
fontsize = 1, #字體大小
refLabel = 'reference', #相對變量的數值標籤，也可改為1
noDigits = 3 #保留HR值以及95%CI的小數位數
)
如此即完成了以上幾個可優化，調整的地方。
此外森林圖左下角會給出出現結局事件的個數，COX生存模型的P值，AIC值和C-index值。
◆ ◆ ◆ ◆ ◆
COX生存模型可以繪製森林圖，那logist回歸的結果可以繪製嗎？答案當然是肯定的，後面見！?
