R绘图| Kaplan-Meier曲线及美化

本期R包：survival和survminer，survival建立生存函数，survminer内置ggplot2，ggpubrg等包，美化曲线。

一行代码配一个图，逐步讲解代码含义。

喜欢的小伙伴记得关注、点赞加转发，分享给更多的人。

公众号回复20210201获取本期代码和数据。

或在本公众号后台回复  KM 。

目录

一、人群总体生存的KM曲线

二、某个变量的KM曲线

三、KM曲线美颜

1. 累计死亡曲线
   

2. xy轴标签
   

3. 图例位置-1
   

4. 图例位置-2
   

5. xy轴刻度/数字等
   

6. 生存率置信区间
   

7. 删失点修改

8. P值及log-rank检验
   

9. 配色方案-1
   

10. 配色方案-2

11. 综合版的KM曲线

---

0

载入数据

#1.载入包
library(survival)
library(survminer)
#2.清理工作环境
rm(list = ls()) 
#3.读入数据
aa<- read.csv('20210201.csv')
#4.查看数据前6行
head(aa)
#5.查看数据数据性质
str(aa)
#6.查看生存或死亡人数
aa$status<-factor(aa$status)
summary(aa$status)

一

建立人群总体生存函数

km<-survfit(Surv(time,status==0)~1,data=aa)

注：status==0是指定0是结局即死亡，~1是看总体生存的情况。（status，0=死亡；1=生存）

#查看整个数据集结局（死亡）的发生时间
#详细见图片说明
summary(km)

summary(km)是该生存函数最重要的结果，它总结了生存分析所有的信息。包括3.5年生存率及其95%CI ,中位生存时间，每个时间点的患者总数和死亡患者数目。之后的操作和美化时所汇报的信息均来自于它。

详见图片：

查看3.5年生存率

summary(km,time=c(36,60))

画一个最常用的美化图形

ggsurvplot(km, 
           conf.int=T, #是否显示生存率的95%CI
           risk.table=TRUE,#显示风险表
           palette="lancet", #柳叶刀配色
           title="Kaplan-Meier Curve ", #大标题
           risk.table.height = 0.25 #风险表的高度比例
           ) 

二

某个变量的KM曲线

km1<-survfit(Surv(time,status==0)~sur,data=aa)

~后1改为sur或其他变量即可（sur=手术，亚变量sur=保乳术；MAST=根治术 ;No=未手术）

summary(km1)
#查不同手术方式的3.5年生存率
summary(km1,time=c(36,60))

ggsurvplot(km1, 
           pval=TRUE, #显示p值
           pval.coord = c(0, 0.2),#p值位置坐标
           pval.size =5,#p值字体大小
           conf.int=T, #是否显示生存率的95%CI
           risk.table=TRUE,#显示风险表
           risk.table.height = 0.25, #风险表的高度
           palette="lancet", #柳叶刀配色
           title="Kaplan-Meier Curve for OS ", #大标题
           legend.labs=c("保乳", "全切","无手术"), 
           legend.title="手术",  #改图例名称 
           surv.median.line = "hv" #中位生存期。
            ) 

三

km曲线美颜

美化其实就是在ggsurvplot（）内加一行行的代码，下面是一码一图

0.  先看无美化的ggsurvplot(km1)

ggsurvplot(km1) 

1. 将生存曲线改为累计死亡曲线

ggsurvplot(km1, 
           fun = "cumhaz"# 累计死亡曲线
           ) 

2. 更改xy轴标签

ggsurvplot(km1,
           xlab="时间(月)" ,#x轴标签
           ylab="总生存率"  #y轴标签
            ) 

3. 更改图例位置-1

ggsurvplot(km1,
           legend="left") 
#图例位置上、下、左、右、无=
#"top"(默认),"bottom","left","right","none"

4. 更改图例位置-2

#以xy坐标确定图例位置
ggsurvplot(km1,
           legend=c(20,0.4)) 

5. 更改xy轴刻度/数字等

ggsurvplot(km1,
           break.x.by=12 ,#x轴刻度的间距.例如12月一个刻度
           break.y.by=0.2 ,# 设定y轴刻度的间距，如break.y.by = 0.2
           surv.scale="percent" ,#"percent"生存用百分数表示
           #xlim= c(0,80), #一般用不到
           ylim=c(0,1), # y轴的范围
           axes.offset=FALSE # 为FALSE，则生存曲线图的坐标轴从原点开始。
) 

6. 生存率的置信区间

ggsurvplot(km1,
           conf.int = TRUE,#打开置信区间
           #conf.int.style="step",# 设置置信区间的类型
           conf.int.alpha =0.3#指定置信区间填充颜色的透明度(0-1)
)

7. 删失点修改

ggsurvplot(km1,
           censor=T, #隐藏删失，默认为T，关掉为F
           censor.shape=124, # 删失的形状；默认为 +为3,|为124。
           censor.size=4.5 # 删失形状的大小，默认为4.5。
)

8. P值及log-rank检验

ggsurvplot(km1,
           pval = TRUE,#打开P值
           pval.size=6, # p值字体大小，默认为5。
           pval.coord=c(20,0.1), # p值坐标=c(x,y)
           pval.method=TRUE,#打开log.rank
           pval.method.size=6, #log.rank字体大小
           pval.method.coord=c(1,0.1)#log.rank的坐标

)

log-rank检验

log_rank<-survdiff(Surv(time, status==0)~sur,rho=0,data=aa);log_rank

9.  配色方案-1

ggsurvplot(km1, 
           palette="lancet") 
 #使用柳叶刀自动配色，我最喜欢的配色
 
# 其他高分SCI的配色，jco的也很好看。任选一个
# "grey","npg","aaas","lancet","jco", 
# "ucscgb","uchicago",
#"simpsons","rickandmorty".

10.  配色方案-2

ggsurvplot(km1, 
           palette=c("red", "yellow", "green"))
#自己配色，有几条线选几个颜色，例如
# "red", "pink", "purple", 
# "deep-purple", "indigo",
# "blue", "light-blue", "cyan",
# "teal", "green", "light-green", "lime",
# "yellow", "amber", "orange", 
# "deep-orange", "brown", "grey","blue-grey"

整合版本的KM曲线，根据需要删减代码

ggsurvplot(km1, 
           title  = "三种手术方式患者的生存曲线",  
           xlab = "时间（月）", 
           ylab = "生存率", 
           font.main = c(16, "bold", "darkblue"), #字体大小，样式和颜色
           font.x = c(12,  "bold.italic","red"), #x轴标签的字体大小，斜体和颜色
           font.y = c(14, "darkred"), #y轴的字体大小，颜色
           font.tickslab = c(12, "plain", "darkgreen"), #更改刻度标签的字体大小，样式和颜色
           legend = c(0.2, 0.2), 
           legend.title = "手术方式", 
           legend.labs = c("保乳术", "全切术","未手术"), 
           size = 1,  #更改线号
           linetype = "strata", #按组更改线型（即“分层”）
           break.x.by=12 ,
           break.y.by=0.2 ,
           surv.scale="percent" ,
           palette ="aaas", 
           conf.int = T, 
           pval = TRUE, 
           pval.coord = c(12, 0),    
           pval.size = 5, 
           pval.method=TRUE,
           pval.method.size=5, 
           pval.method.coord=c(1,0),
           surv.median.line = "hv",  
           risk.table = "absolute", #"absolute"、"percentage"、"abs_pct"", #绝对人数、百分比和危险之中
           #risk.table.pos =in，#分线表放在图内
           risk.table.col = "strata", #按组更改风险表颜色
           risk.table.y.text.col = TRUE, #颜色风险表文本注释（按层）
           risk.table.y.text = FALSE, #在风险表图例中的文本注释中显示条形而不是名称
           risk.table.height = 0.2,  
           risk.table.title="时间点下的人群数目",
           fontsize=4,#风险表字体
           #ggtheme = theme_bw(), #使用主题自定义情节和风险表。
           #xlim = c(0, 95), 
           ylim = c(0, 1)
)

ggsurvplot()函数的细节其实还有很多，这里只选择大家最常用的。

需要哪种细节时，只需将代码写入括号内，代码间以英文逗号隔开就可以了。

本期内容就到这里了，制作不易，喜欢的小伙伴帮忙点赞和转发，多谢大家支持！！

END

本公众号致力于打造实用的科研干货和临床学习资料分享平台，假如你有临床和科研上的问题或经验分享，请私信我。

感谢阅读，如有错误请指正！