如何用R语言绘制Kaplan-Meier生存曲线（附全套代码）

生存分析（survival analysis）是生物医学研究中常用的分析方法。在队列随访研究中，我们会事先定义一些观察终点，比如肿瘤复发、患者死亡、血压达标等，这些终点称为事件（event）。从研究开始到发生事件的时间间隔称为生存时间（survival time），某些场景下也称为失效时间（failure time）。由于生存时间数据具有以下两个特点，所以提出生存分析这一特殊的分析方法。

SPSS就可以完成K-M曲线的绘制，郑老师的30天公益SPSS课程中就有讲解，但是图形结果较为死板。这里将通过R语言进行K-M绘制，并详细介绍代码的含义与作用，结果会更加美观，细节调整也更灵活。此外将介绍一种更加快捷简便的绘制流程，对R语言新手小白或希望更加便捷完成统计分析工作的读者十分友好！

主要内容包括： 一、案例介绍 二、利用R语言绘制 三、利用在线网站绘制 四、小结

一、文献解读

实操数据是从seer公共数据库提取的，包括1101名2004-2018诊断的老年恶性骨肿瘤患者的临床病理数据。暴露因素包括年龄、种族、性别、诊断年份、组织学类型、分级、分期、原发位置、TNM分期、肿瘤大小、是否化疗、是否放疗及手术方式。

这里绘制Kaplan-Meier（K-M）曲线的目的是为了比较不同手术方式下，患者的生存差异。

二、利用R语言绘制

1.安装加载R包并导入数据

绘制K-M曲线主要用到"survival"与"survminer"两个包，"readxl"包仅在导入xlsx形式数据集时用到。

install.packages("survival")
install.packages("survminer")


library(survival)
library(survminer)
library(readxl)


raw<- read_excel("seer.xlsx")

2.绘制K-M曲线

在survival包中使用surv()函数创建生存对象，生存对象是将事件时间和删失信息合并在一起的数据结构，survfit()函数用来拟合生存曲线。

ggsurvplot()函数用于绘制K-M曲线，详细代码解读在下方进行了标注。

fit_Surgery <- survfit(Surv(months,status) ~ Surgery,data = raw) 
ggsurvplot(fit_Surgery, 
           data = raw, 
           pval.method=T,#添加计算p值的统计方法
           pval = TRUE,#添加P值
           risk.table = TRUE,#添加风险表
           xlab = "Follow up time(Months)",
           legend = c(0.8,0.15), #指定风险表图例位置
           break.x.by = 12) #设置X轴刻度间距

R语言绘制的曲线如下图所示：

三、利用在线网站绘制

1.进入风暴统计网站

首先电脑端使用浏览器打开网址“www.medsta.cn”，进入风暴统计平台，然后进入风暴智能统计模块——生存分析——生存分析全套。

2.导入数据

目前网站支持导入10M以内的csv数据或xlsx数据。

3.绘制K-M曲线

进入“生存曲线”模块，将生存时间、生存结局、分组变量分别选入就可以在右侧得出基础版K-M曲线图。

最左侧的“生存曲线图常用设置”可以对图形进行进一步的美化。

①“生存曲线配色方案”提供了9种配色供大家选择，满足不同需求。

②P值大小、x轴刻度间隔、风险表高度及字体大小也可以快速调整，省去代码的烦恼

③“中位生存时间”可以在图中用虚线标注出各组的中位生存时间，由于本案例中仅两组达到了50%的生存率，因此图中仅显示了两条曲线，“hv”同时显示x轴和y轴虚线，“h”仅显示y轴虚线，“v”仅显示x轴虚线。

④还可以自行更改x轴标题及3种图形要素（曲线置信区间、风险表、删失图）

4.下载保存曲线图

在网站页面显示的图形不完整，字都挤在一起？不要着急，网站支持PDF或PNG格式的图片，下载完成后，图片十分的完整清晰，简直超便捷！

风暴统计网站绘制的K-M曲线图：

四、小结

风暴统计平台是以R代码为基础进行搭建的便捷统计平台，因此结果的准确性大家可以放心，此外，不需要任何代码基础，小白也可以轻松完成，各种细节调整设置满足大家的个性化需求，感兴趣的各位不妨花几分钟试试看？