R|生存分析 – KM曲線 ，值得擁有姓名和顏值
- 2020 年 3 月 12 日
- 筆記
本文首發於“生信補給站”：https://mp.weixin.qq.com/s/lpkWwrLNtkLH8QA75X5STw
生存分析作為分析疾病/癌症預後的出鏡頻率超高的分析手段，而其結果展示的KM曲線也必須擁有姓名和顏值！
生存分析相關推文：
生存分析和KM曲線：R|生存分析（1）
分析結果一鍵輸出：R|生存分析-結果整理
時間依賴生存分析：R|timeROC-分析
一 數據和R包
為方便，使用內置lung數據集
#載入所需的R包
library("survival")
library("survminer")
#載入並查看數據集
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曲線
#構建模型
fit <- survfit(Surv(time, status) ~ sex, data=lung)
#繪製原生KM曲線
plot(fit)
可以很容易的發現與文獻中的差異，可優化：
1）區分兩條線的顏色和legend
2）坐標軸，標題，主題優化
3）Risk table
4）P值，OR值，CI值等注釋信息
三 優化KM曲線
1 survminer繪製KM曲線
p1 <- ggsurvplot(fit)
P1
吶，線的顏色可以和性別對應起來了，Q1解決！
2 坐標軸，標題，主題優化
p2 <- ggsurvplot(fit, data = lung,
surv.median.line = "hv", #添加中位生存曲線
palette=c("red", "blue"), #更改線的顏色
legend.labs=c("Sex1","Sex2"), #標籤
legend.title="Treatment",
title="Overall survival", #標題
ylab="Cumulative survival (percentage)",xlab = " Time (Days)", #更改橫縱坐標
censor.shape = 124,censor.size = 2,conf.int = FALSE, #刪失點的形狀和大小
break.x.by = 100#橫坐標間隔
)
P2
以上基本就完成了KM曲線顏色，線型大小，標籤，橫縱坐標，標題，刪失點等的修改，Q2搞定！
注意中位生存時間表示50 ％的個體尚存活的時間，而不是生存時間的中位數
3 Risk Table
p3 <- ggsurvplot(fit, data = lung,
surv.median.line = "hv", #添加中位生存曲線
palette=c("red", "blue"),
legend.labs=c("Sex1","Sex2"), #標籤
legend.title="Treatment",
title="Overall survival",
ylab="Cumulative survival (percentage)",xlab = " Time (Days)", #更改橫縱坐標
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
注 tables.height可調整為看起來“舒服”的高度
根據risk table 可以看出關鍵點的當前狀態，Q3擺平！
4 添加註釋信息
1）添加KM的P值
P4 <- ggsurvplot(fit, data = lung,
pval = TRUE,#添加P值
pval.coord = c(0, 0.03), #調節Pval的位置
surv.median.line = "hv", #添加中位生存曲線
palette=c("red", "blue"),
legend.labs=c("Sex1","Sex2"), #標籤
legend.title="Treatment",
title="Overall survival",
ylab="Cumulative survival (percentage)",xlab = " Time (Days)", #更改橫縱坐標
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
pval.coord可以調節P值得位置
2）添加COX回歸hazard ratio值等相關信息**
###添加COX回歸hazard ratio值相關信息
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
3）添加其他信息
可類似上述annotation得方式，使用ggplot2添加文字，箭頭，公式等其他信息，下面為你可能需要的ggplot2的幾個知識：
ggplot2|theme主題設置，詳解繪圖優化-“精雕細琢”
參考資料：
◆ ◆ ◆ ◆ ◆
精心整理（含圖版）|R語言生信分析，可視化，你要的全拿走，建議收藏！
