生存曲线 p值 python_R|生存分析 - KM曲线 ，值得拥有姓名和颜值
生存分析作为分析疾病/癌症预后的出镜频率超高的分析手段，而其结果展示的KM曲线也必须拥有姓名和颜值！
生存分析相关推文：
生存分析和KM曲线：R|生存分析(1)
一 数据和R包
为方便，使用内置lung数据集
#载入所需的R包
library("survival")
library("survminer")
#载入并查看数据集
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曲线
#构建模型
fit
#绘制原生KM曲线
plot(fit)
可以很容易的发现与文献中的差异，可优化：
1)区分两条线的颜色和legend
2)坐标轴，标题，主题优化
3)Risk table
4)P值，OR值，CI值等注释信息
三 优化KM曲线
1 survminer绘制KM曲线
p1
P1
呐，线的颜色可以和性别对应起来了，Q1解决！
2 坐标轴，标题，主题优化
p2
surv.median.line = "hv", #添加中位生存曲线
palette=c("red", "blue"), #更改线的颜色
legend.labs=c("Sex1","Sex2"), #标签
legend.title="Treatment",
title="Overall survival", #标题
ylab="Cumulative survival (percentage)",xlab = " Time (Days)", #更改横纵坐标
censor.shape = 124,censor.size = 2,conf.int = FALSE, #删失点的形状和大小
break.x.by = 100#横坐标间隔
)
P2
以上基本就完成了KM曲线颜色，线型大小，标签，横纵坐标，标题，删失点等的修改，Q2搞定！
注意中位生存时间表示50 ％的个体尚存活的时间，而不是生存时间的中位数
3 Risk Table
p3
surv.median.line = "hv", #添加中位生存曲线
palette=c("red", "blue"),
legend.labs=c("Sex1","Sex2"), #标签
legend.title="Treatment",
title="Overall survival",
ylab="Cumulative survival (percentage)",xlab = " Time (Days)", #更改横纵坐标
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可调整为看起来“舒服”的高度
根据risk table 可以看出关键点的当前状态，Q3摆平！
4 添加注释信息
1)添加KM的P值
P4
pval = TRUE,#添加P值
pval.coord = c(0, 0.03), #调节Pval的位置
surv.median.line = "hv", #添加中位生存曲线
palette=c("red", "blue"),
legend.labs=c("Sex1","Sex2"), #标签
legend.title="Treatment",
title="Overall survival",
ylab="Cumulative survival (percentage)",xlab = " Time (Days)", #更改横纵坐标
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可以调节P值得位置
2)添加COX回归hazard ratio值等相关信息**
###添加COX回归hazard ratio值相关信息
res_cox
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
可类似上述annotation得方式，使用ggplot2添加文字，箭头，公式等其他信息，下面为你可能需要的ggplot2的几个知识：
参考资料：
◆ ◆ ◆ ◆ ◆