R语言绘制生存曲线图
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了R语言绘制生存曲线图相关的知识,希望对你有一定的参考价值。
参考技术A 下图显示内置数据集colon,病人rx处理分为三组(下图第三列),对照组: Obs ,处理组一: Levamisole (Lev) ,处理组二: Levamisole + 5-fluorouracil (Lev+5FU)# loads dplyr
library(dplyr)
# core survival analysisfunctions
library(survival)
# recommended forvisualizing survival curves
library(survminer)
#加载内置colon数据集
data(colon)
#list directory contents
ls(colon)
得到如下图:
#创建生存对象
fit <- survfit(Surv(time, status)~rx, data=colon)
#level()是为了看分组水平情况,以确定对照组,一般level()之后第一个为对照组
levels(colon$rx)
ggsurvplot(fit,risk.table=TRUE,#生存统计统计表
conf.int=TRUE,#添加置信区间带
palette = c("skyblue","green","red"),#颜色设置
pval=TRUE,#log-rank检验
pval.method=TRUE)#添加检验text
至于是treatment中的哪一组与Obs相比,显著性,差异性更大,需要查看 Lev 和 obs 对比的p值及HR,以及 (Lev+5FU) 和 Obs 对比的p值及HR,评价分组的治疗效果
#Cox Regression,评价rx分组后治疗效果
fit1<-coxph(Surv(time, status)~rx, data=colon)
fit1
以上是关于R语言绘制生存曲线图的主要内容,如果未能解决你的问题,请参考以下文章
R语言生存分析之组间生存曲线的对比: Log-Rank检验绘制漂亮的生存曲线
R语言cox回归模型案例(绘制列线图校正曲线):放疗是否会延长胰脏癌手术患者的生存时间
R语言生存分析之COX比例风险模型构建及列线图(nomogram)校准曲线(calibration curve)绘制示例
R语言Kaplan-Meier绘制生存分析Log-rank假设检验Cox回归曲线实战案例:恶性黑色素瘤的术后数据生存分析