R語言代寫繪制生存曲線估計|生存分析|如何R作生存曲線圖

原文鏈接：http://tecdat.cn/?p=6087

 

 

根據生存曲線的估計，可以推斷出相比組之間存活時間的差異，因此生存曲線非常有用，幾乎可以在每個生存分析中看到。

例

 

在我們將對象放入ggsurvplot()函數之后，我們可以創建簡單的生存曲線估計。讓我們來看看患有卵巢癌（卵巢漿液性囊腺癌）和患有乳腺癌（乳腺浸潤癌）的患者之間存活時間的差異 。

survivalTCGA(BRCA.clinical, OV.clinical,
             extract.cols = "admin.disease_code") -> BRCAOV.survInfo
library(survival)
fit <- survfit(Surv(times, patient.vital_status) ~ admin.disease_code,
               data = BRCAOV.survInfo)
# Visualize with survminer
ggsurvplot(fit, data = BRCAOV.survInfo, risk.table = TRUE)

 

​

 

這個簡單的圖表以優雅的方式呈現了生存概率的估計值，該估計值取決於根據癌症類型分組的癌症診斷天數和信息風險集表，其中顯示了在特定時間段內觀察的患者數量。生存分析是一個特定的數據分析領域，因為事件數據的審查時間，因此風險集大小是視覺推理的必要條件。

 

ggsurvplot(
   fit,                     # survfit object with calculated statistics.
   data = BRCAOV.survInfo,  # data used to fit survival curves. 
   risk.table = TRUE,       # show risk table.
   pval = TRUE,             # show p-value of log-rank test.
   conf.int = TRUE,         # show confidence intervals for 
                            # point estimaes of survival curves.
   xlim = c(0,2000),        # present narrower X axis, but not affect
                            # survival estimates.
   break.time.by = 500,     # break X axis in time intervals by 500.
   ggtheme = theme_minimal(), # customize plot and risk table with a theme.
 risk.table.y.text.col = T, # colour risk table text annotations.
  risk.table.y.text = FALSE # show bars instead of names in text annotations
                            # in legend of risk table
)

 

​

 

每個參數都在相應的注釋中描述，但我想強調xlim控制X軸限制但不影響生存曲線的參數，這些參數考慮了所有可能的時間。

比較

基礎包

​

看起來很漂亮.....

​

 

如果您有任何疑問，請在下面發表評論。