科研绘图：R语言绘制可发表的生存分析KM曲线图

已于 2025-01-14 16:32:49 修改
阅读量762 收藏 1
点赞数
分类专栏： SCI科研绘图系列 数据分析 文章标签： r语言 数据分析 数据挖掘 数据可视化
于 2024-06-19 13:47:33 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/H20230717/article/details/139800809
版权
SCI科研绘图系列 同时被 2 个专栏收录
309 篇文章 ¥99.90 ¥299.90
订阅专栏
数据分析
83 篇文章 ¥99.90 ¥299.90
订阅专栏

禁止商业或二改转载，仅供自学使用，侵权必究，如需截取部分内容请后台联系作者!
在这里插入图片描述

文章目录

介绍

ggsurvfit 是一个基于 R 语言的包，它扩展了 survival 包的功能，允许用户使用 ggplot2 的语法来创建美观的生存曲线图。KM曲线，即Kaplan-Meier曲线，是一种非参数统计方法，用于估计生存函数，即在给定时间点生存下来的概率。

ggsurvfit包

  1. 美观性：ggplot2 提供了一种强大的图形语法，可以创建高度定制化和美观的图形。
  2. 易用性：ggsurvfit 允许用户利用熟悉的 ggplot2 语法来绘制生存曲线，使得图形的创建过程更加直观和简单。
  3. 扩展性：ggsurvfit 可以与
了解本专栏 订阅专栏 解锁全文
绘制优美的生存分析曲线（使用R语言）
DevScribe的博客
08-26 396
生存分析曲线是一种常用的统计工具，用于衡量事件发生的概率随时间的变化。在生存分析中，我们经常使用Kaplan-Meier方法来估计生存曲线，并通过绘制生存曲线来可视化结果。在本文中，我们将使用R语言来绘制漂亮的生存曲线，并提供相应的源代码。根据你的具体需求，你可以使用不同的数据集和方法来估计生存曲线，并根据需要进行绘图的自定义。在本例中，我们将使用名为"lung"的数据集，该数据集包含了肺癌患者的信息。除了Kaplan-Meier生存曲线，我们还可以使用其他方法来估计生存曲线，比如Cox回归模型。
R生存曲线——KM分析
03-13
R语言生存曲线
手把手教你绘制精美 KM 曲线，轻松搞定生存分析!
weixin_47988917的博客
03-13 559
在研究设计上，NHANES有两种类型：横断面调查设计和队列研究设计。横断面研究，通常用于探索变量之间的关联。但它的死亡数据让我们有了进行生存分析的可能性！这意味着，我们不仅可以探讨某个因素与健康状况的相关性，还能进一步研究这些因素是否会影响死亡风险。通过Kaplan-Meier（KM）生存曲线和Cox 回归分析，我们可以研究不同暴露因素对死亡风险的影响。今天，我们就来手把手教你如何零代码在N...
R语言数据可视化-KM生存曲线
笑不语的博客
05-29 4556
生存分析（Survival Analysis）是用来描述和分析时间因素对个体生存的影响，其中生存曲线一般是常见的图表之一。而通过Kaplan-Meier（KM）法，可以绘制生存曲线用以描述研究对象的存活情况。KM生存曲线是用来描述随时间推移一个群体中存活的比例，通常是用来描述疾病的存活率。在 KM 生存曲线上，X 轴表示时间，而 Y 轴表示生存率（或存活概率或累计存活率），即一个人在某一时间存活下来的概率。KM 生存曲线通常呈现出一条向下的曲线，这个曲线被称为“生存函数”。生存函数始终在 1.0 以上开始。
R第二讲：KM法绘制生存曲线
2301_79403025的博客
08-16 1482
#下载的文件需要先查看一下，phe.txt是手动从matrix.txt文件里复制粘贴创建的（characteristic行）绘制累积风险曲线和总患者生存曲线，还有分面生存曲线（ggsurvplot_facet()函数），第二步：提取表达矩阵中感兴趣的基因作为分组，合成生存分析所需要的文件，以EZH2为例。表型文件（包括生存状态等），表达值（以某个基因表达量作为分组的话）如果是手动下载的文件需要读取成可用的格式，用fread函数。还有几种不同的自定义设置查看当时R脚本，不一一粘贴了。
R语言绘制生存KM曲线
hx2024的博客
09-28 751
用于笔记记录使用：重点是结局事件0,1的设置，删失点的意义。参考图书《R语言医学数据分析实战》(赵军 著)
R语言 KM曲线作图及logrank检验
weixin_47855187的博客
07-14 1万+
高低危分两组 library("survival") library("survminer") # best cutoff res.cut <- surv_cutpoint(RC_N, time = "time", event = "event", variables = c("value")) res.cat <- surv_categorize(res.cut) fit <- survfit(Surv(time, event) ~ value
R语言绘制生存曲线图
weixin_48521526的博客
09-28 1177
生存曲线主要看某一危险因素或保护因素对时间序列上某一结局的影响
R语言统计与绘图：生存曲线的两两比较
Mrrunsen的博客
08-05 2742
同理可知，Obs组 vs Lev+5FU组和Lev组 vs Lev+5FU组的生存率都有统计学差异。survdiff()函数可以检验两条或者多条生存曲线之间是否有差异，但这个比较的是总体间是否存在差异，不能比较生存曲线之间两两是否存在差异。从数据集介绍中我们知道rx为三分类变量，extent为四分类变量，status为删失状态，time为生存时间。rx变量共分为三组：观察组(Obs)，治疗组1(Lev)和治疗组2(Lev+5FU)。在0.05 - 0.1之间用“+”表示；在0.1 - 1之间用“ ”表示。.
R|生存分析 - KM曲线 ，值得拥有姓名和颜值
weixin_39556044的博客
03-12 1万+
文章目录一 数据和R包二 原生KM曲线三 优化KM曲线1 survminer绘制KM曲线2 坐标轴，标题，主题优化3 Risk Table4 添加注释信息 本文首发于“生信补给站”：https://mp.weixin.qq.com/s/lpkWwrLNtkLH8QA75X5STw 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...
R语言绘制可用于论文发表的生存曲线图｜科研绘图·24-08-25
罗小罗同学的博客
08-27 2729
中位生存时间(median survival time)又称为生存时间的中位数，表示刚好有50%的个体其存活期大于该时间，是生存分析中常用的概括性统计量。图解法是计算中位生存时间的方法。其利用生存曲线图，从纵轴生存率为50%处画一条与横轴平行的线，并与生存曲线相交，然后自交点画垂线与横轴相交，此交点对应的时间即为中位生存时间。ggsurvplot(fit, data = lung, surv.median.line = "hv") # 增加中位生存时间从图上可以看出，男性的中位生存时间小于女性。
R语言生存分析详解：KM曲线、COX比例风险模型、HR值解读、模型比较、残差分析、是否比例风险验证：基于survival包lung数据集
data+scenario+science+insight
09-27 5176
R语言生存分析详解：KM曲线、COX比例风险模型、HR值解读、模型比较、残差分析、是否比例风险验证：基于survival包lung数据集 目录 R语言生存分析详解：KM曲线、COX比例风险模型、HR值解读、模型比较、残差分析、是否比例风险验证：基于survival包lung数据集 #导入包 #导入数据集并进行处理 #绘制生存曲线（Kaplan-Meier） #构建cox比例风险模型 #绘制森林图并解读 #模型比较（假设检验） #cox模型中加入连续数值变量 #残差分析（Marting
科研绘图之R语言生存分析KM曲线累计风险表放在图片内部
weixin_42768531的博客
08-02 1万+
科研绘图之R语言生存分析KM曲线和累计风险表KM估计R语言展示KM估计的生存函数曲线1、最简单的方法2、利用survminer包绘制3、进一步美化，添加累计风险表格、图例、文本注释 KM估计 KM估计同时利用生存时间（连续变量）和生存结局（一般为分类变量，用来表示状态）信息，是一种求生存时间函数，即S(t)的方法。 KM估计的定义如下： R语言展示KM估计的生存函数曲线 1、最简单的方法 在R里，有多种实现方法，最简单的就是 # An highlighted block library(survival)
使用R语言绘制生存曲线图
PixelLogic的博客
08-29 807
通常，生存数据是一组包含两个变量的数据集：一个是生存时间（time），另一个是事件发生指示变量（status）。在这里，时间可以表示患者的生存时间，事件发生指示变量用于表示患者是否经历了事件（如死亡）。我们可以使用R中的内置数据集来演示绘制生存曲线图的过程。接下来，我们需要使用survfit函数计算生存曲线的估计值。生存曲线是生存分析中常用的图表，用于描述随时间变化的生存概率。在R语言中，我们可以使用survival包和ggplot2包来绘制生存曲线图。接下来，我们可以使用ggplot2包绘制生存曲线图。
（自用）使用R语言绘制Kaplan-Meier(KM)曲线
2302_76412309的博客
03-25 2321
删失值与生存共同归类，终点结局单独一类，编排数字0,1或1,2。如果终点结局选择数字1，则删失与生存的编号为0。总儿言之，终点事件的编号要选大的那个。tips：如果要调整HR的x轴位置，建议从p3重头往下走，因为此处有个函数paste，会无限重叠。只展示一个"survival"，其他自行尝试，方法同理。参考文章：（如有侵权，联系必删）（左删失、右删失、区间删失）
科研画图-率失真曲线图改进：散点连接成曲线并画出原散点的标记点（基于Matlab）
Kobaayyy的博客
05-06 956
之前有做过一些科研曲线图的工作，具体见：科研画图：散点连接并平滑（基于Matlab和Python） 现在又要求我在原来的基础上参考人家论文在率失真曲线图上做一些改进，参考图见下方： 图上需要再画一些标记点，基于科研画图：散点连接并平滑（基于Matlab和Python），改进的MATLAB代码如下： clear all; clc; x1=[148.2269236 83.99538909 79.3...
R语言绘制生存分析曲线·从概念到实战的保姆级教程
罗小罗同学的博客
05-12 4016
生存分析 (survival analysis) 是一种分析数据的术语，该数据以时间为形式，用于描述从定义明确的时间起点 (time origin) 到某个特定事件或终点的发生。在医学研究中，时间起点通常对应于将个体招募到实验研究中，例如比较两种或多种治疗的临床试验。这又可能与特定疾病的诊断、治疗方案的开始或某些不良事件的发生相吻合。如果终点是患者的死亡，那么得出的数据就是实际的生存时间。然而，当终点不是致命的，例如疼痛减轻或症状复发时，也可以获得类似形式的数据。为了帮助大家更好的理解这一块的内容，小罗特意
R语言绘制生存曲线估计|生存分析|如何R作生存曲线图
热门推荐
大数据部落
08-22 2万+
原文链接：http://tecdat.cn/?p=6087 根据生存曲线的估计，可以推断出相比组之间存活时间的差异，因此生存曲线非常有用，几乎可以在每个生存分析中看到。 例 在我们将对象放入ggsurvplot()函数之后，我们可以创建简单的生存曲线估计。让我们来看看患有卵巢癌（卵巢浆液性囊腺癌）和患有乳腺癌（乳腺浸润癌）的患者之间存活时间的差异 。 survivalT...
当我在用R语言做生存分析的km曲线图时，我如何能在图的右上角以表格的形式添加文本内容？
最新发布
04-01
<think>好的，用户的问题是在R语言中绘制KM曲线图时，如何在图表右上角以表格形式添加文本内容。我需要根据提供的引用资料和现有的知识来解答这个问题。 首先，用户提到的引用资料[1]、[2]、[3]、[4]主要涉及使用survival和survminer包进行生存分析，以及一些可视化设置，比如置信区间、风险表格等。特别是引用[3]提到了调整图表的外框、网格、标题等，但没有直接提到如何添加右上角的表格文本。因此，可能需要结合survminer包的功能或者其他R图形包的方法来解决。 回忆一下，survminer包的ggsurvplot函数默认会在图表下方添加风险表格，但用户需要的是在右上角添加文本表格。可能需要自定义添加，比如使用ggplot2的annotate函数或者通过grid包来叠加文本。 另外，用户可能希望展示的信息比如样本数、p值、HR值等统计结果，这些需要从生存分析的结果中提取，比如从survfit对象或coxph对象中获取。 接下来，需要分步骤思考解决方法： 1. 使用survminer绘制基本的KM曲线和风险表格。 2. 调整图形结构，将风险表格移到右上角，或者另外创建一个表格并添加到图中。 3. 使用ggplot2的注释功能或者gridExtra包来组合图形和表格。 但可能风险表格的位置调整比较困难，所以另一种方法是手动创建一个表格，并将其放置在右上角。例如，使用grid.text或tableGrob函数生成表格，然后与主图叠加。 需要检查survminer是否支持自定义表格位置，或者是否必须通过其他包如cowplot或patchwork来组合图形。 另外，引用[3]中提到可以调整图片的宽度、高度以及标题等，但并未提及表格位置的调整，所以可能需要更灵活的方法。 可能的解决方案步骤： - 生成KM曲线图，并提取需要展示的统计信息（如p值，HR）。 - 使用gridExtra包创建表格对象（tableGrob）。 - 使用ggplot2的annotation_custom函数将表格添加到指定位置，或者使用arrangeGrob来组合图形和表格。 或者，使用ggpubr包的函数来添加文本表格。 具体代码实现可能需要： 1. 计算生存分析的统计量，例如log-rank检验的p值，Cox模型的HR值。 2. 将这些统计量整理成数据框，作为表格内容。 3. 使用gridExtra::tableGrob创建表格。 4. 将表格添加到KM曲线图中，调整位置到右上角。 例如，使用ggplot2的绘图完成后，通过grid::viewport来定位表格。 需要注意的是，survminer生成的图形是ggplot对象，因此可以与其他ggplot元素结合使用。 可能还需要调整主题和坐标，以确保表格不会覆盖重要图形部分。 另外，用户可能需要示例代码来具体实现这些步骤，所以需要提供可运行的代码示例，并解释每个部分的作用。 最后，确保回答结构清晰，分步骤说明，并验证方法的正确性，比如是否实际在右上角添加了表格，是否存在包版本问题等。</think>在R语言中为生存分析KM曲线添加右上角统计表格，可通过`survminer`包的图形自定义功能与`ggplot2`的注释功能实现。以下是具体方法及代码示例： --- ### **实现步骤** #### **1. 基础KM曲线绘制** 使用`survival`和`survminer`包生成KM曲线，并提取关键统计量（P值、HR值等）： ```r library(survival) library(survminer) # 示例数据（lung数据集） data(lung) lung$status <- ifelse(lung$status == 2, 1, 0) # 转换状态变量 fit <- survfit(Surv(time, status) ~ sex, data = lung) # 计算Log-Rank检验P值 diff <- survdiff(Surv(time, status) ~ sex, data = lung) p_value <- signif(1 - pchisq(diff$chisq, 1), 3) # 提取分组样本量 n1 <- sum(lung$sex == 1) n2 <- sum(lung$sex == 2) ``` --- #### **2. 创建统计表格** 将统计信息整理为数据框，并生成表格对象： ```r library(gridExtra) # 构建统计表格内容 stats_table <- data.frame( Metric = c("P-value", "n (Group1)", "n (Group2)"), Value = c(p_value, n1, n2) ) # 生成表格图形对象 table_grob <- tableGrob( stats_table, rows = NULL, theme = ttheme_minimal( core = list(fg_params = list(hjust = 0, x = 0.1)), padding = unit(c(2, 4), "mm") ) ) ``` --- #### **3. 叠加表格到KM曲线** 通过`ggplot2`的注释功能将表格定位到右上角： ```r # 绘制基础KM曲线 km_plot <- ggsurvplot( fit, data = lung, risk.table = TRUE, pval = FALSE, # 关闭默认P值显示 ggtheme = theme_classic() )$plot # 添加表格到指定位置 final_plot <- km_plot + annotation_custom( grob = table_grob, xmin = 0.6, # 调整xmin/xmax控制横向位置 xmax = 0.95, ymin = 0.7, # 调整ymin/ymax控制纵向位置 ymax = 0.9 ) # 显示图形 print(final_plot) ``` --- ### **关键参数说明** - **`xmin/xmax`, `ymin/ymax`**: 控制表格位置，范围在[0,1]之间（相对绘图区域比例）。 - **`ttheme_minimal()`**: 自定义表格样式（字体、对齐、边距等）[^3]。 - **`risk.table = TRUE`**: 保留默认风险表格（位于图表下方）[^2]。 --- ### **效果示例** 输出图形将在KM曲线右上角显示一个包含P值和样本量的表格（如下图示意）： ``` Metric Value P-value 0.001 n (Group1) 138 n (Group2) 90 ``` ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

生信学习者1

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值