生存分析之生存曲线

本文作者：酸辣个土豆。

大家好，我是酸辣个土豆，欢迎来到我的科研碎碎念

上一篇我们了解了一下生存分析的基本概念，今天，我们来聊一聊生存曲线。

生存曲线，最常见的就是Kaplan-Meier曲线，是一种在医学研究中常用的图表，用于描述不同组别患者的生存状况。这种曲线通常以时间为横坐标，以生存率为纵坐标，通过连接每个时间点的生存率，形成一条曲线。每一个点代表了在该时间点上的生存率，曲线的下降表示有患者死亡或发生了研究的阳性终点事件。

话不多说，我们先看一张图

生存曲线的解读

1.中位生存时间：累计生存率为50%时所对应的生存时间（上图A点所对应的时间）。

2.中位随访时间：生存时间的中位数（利用反K-M法计算，将出现结局事件定义为0，再利用K-M法估计）。

3.死亡速度越快，生存率越低，那么生存时间越短。（high风险组患者死亡速度较low风险组患者快，生存时间较短。当然，如上篇所述，生存分析里的“死亡”不仅仅指死亡）

4.出现阳性事件和出现删失：

5.统计检验：为了验证生存曲线之间的差异是否具有统计学意义，通常会使用log-rank检验或Cox比例风险回归模型等统计方法。(P值一般保留3位小数点)

下面我就展示一下如何作生存曲线（SPSS和R语言）。

1. SPSS

1)建立含有变量、生存状态、生存时间的Excel表格导入SPSS（本例使用SPSS26版本）。

2）选择对应的参数选入，将出现阳性事件定义为1。

3）做出生存曲线图，并进行调整。

2.R语言

#安装R包
install.packages("survival")
install.packages("survminer")

#加载R包
library(survival)
library(survminer)

#读取数据
data<- read.csv("Survival.CSV")

#拟合生存模型
fit <- survfit(Surv(OS, Status) ~ Risk, data = data)

#作图
p<- ggsurvplot(fit, data = data,、#标题字体
                font.title = c(10, "bold", "darkblue"), #副标题字体
                font.subtitle = c(11, "italic", "purple"), #说明字体
                font.caption = c(10,"plain","orange"), #x轴字体
                font.x = c(11), #y轴字体
                font.y = c(12), #添加风险表及调整参数
                fun = "pct",risk.table = T,
                risk.table.y.text.col = T,
                risk.table.height = 0.25,
                risk.table.y.text = FALSE,size = 0.8,#调色
                palette=c(),#标签及标签命名
                legend.labs=c("high","low"),
                legend.title="Risk",#更改横纵坐标及参数
                ylab="Overall Survival(%)",
                xlab = " Time (months)", 
                censor.shape = 124,censor.size = 2,
                conf.int = FALSE,
                break.x.by = 20,
                xlim = c(0,85), #添加中位生存时间
                surv.median.line = "hv",pval = T,
                ggtheme = theme_classic())

#呈现生存曲线
p

注：若对内容有疑惑或者发现有明确错误的朋友，请联系后台(希望多多交流)。更多内容可关注公众号：生信方舟

- END -