R语言 K-M生存分析，ggplot2制作好看的生存曲线

最新推荐文章于 2024-08-27 12:16:15 发布

许可|Eric Xu

最新推荐文章于 2024-08-27 12:16:15 发布

阅读量2.2k

点赞数 1

分类专栏：生存分析文章标签： r语言

本文链接：https://blog.csdn.net/ericxu1995/article/details/125919768

版权

本文介绍了如何使用R语言进行Kaplan-Meier(K-M)生存分析，通过 Surv() 函数创建生存对象，survfit() 函数计算生存率的K-M估计，并利用survminer包的ggsurvplot()生成美观的生存曲线图。

摘要由CSDN通过智能技术生成

> setwd(dir="D:/onedrive/Desktop/xxx/数据")
> data<-read.csv("GGL.csv",header=T)

> GGL<-data
> str(GGL)
'data.frame':	365 obs. of  3 variables:
 $ time  : num  24.3 24.3 24.8 25.3 25.9 ...
 $ status: int  0 0 1 0 0 0 0 0 0 0 ...
 $ group : num  0 0 1 0 1 0 0 0 0 0 ...

对变量转换成因子，并添加标签

> GGL$group<-factor(GGL$group,levels=c(0,1),labels=c("LPA","Non-LPA"))

> library("survival")
> library("survminer")

用函数Surv() 创建生存对象：

> surv.obj <- Surv(time = GGL$time, event = GGL$status)
> surv.obj
  [1]  24.26000+  24.33000+  24.79000   25.28000+  25.87000+  25.97000+
  [7]  26.33000+  26.63000+  26.76000+  27.02000+  27.06000+  27.48000+

生存率的K-M估计的计算用函数survfit() 实现：