引言：

   生存分析是臨床上較為常用的統(tǒng)計學方法，用于比較不同組別的患者在接受干預之后，生存時間的變化情況。生存分析是醫(yī)學領(lǐng)域中一個重要的內(nèi)容，在各個疾病領(lǐng)域的研究中都運用十分廣泛。在R中進行生存分析常用的包主要有survival包以及survminer包。

Survival 包提供了生存函數(shù)的建立，Cox模型的建立，以及比較分析。這個包也提供了基于基礎(chǔ)繪圖系統(tǒng)的生存曲線繪制。Survminer包提供了基于ggplot2系統(tǒng)對于生存分析的可視化，使得生存分析具有更加美觀的圖形，以及自我定制方式。

而今天我們的主角就是Survminer包，讓我們鼓足精神一起來學習“如何使用Survminer包優(yōu)雅的繪制生存曲線”吧。

1．Survminer包主要函數(shù)介紹

＃該包包含的主要函數(shù)有：

主要函數(shù)用法ggsurvplot （）利用＇number at risk＇表，事件表的累計數(shù)量和被過濾的主體表的累計數(shù)繪制生存曲線arrange＿ggsurvplots （）在同一頁面上排列多個ggsurvplotsggsurvevents （）繪制事件的時間分布surv＿summary （）生存曲線總結(jié)，默認的summary （）函數(shù)相比，surv＿summary （）創(chuàng)建一個數(shù)據(jù)幀，其中包含來自survfit結(jié)果的漂亮摘要surv＿cutpoint （）一次確定一個或多個連續(xù)變量的最佳切點，提供與生存最顯著關(guān)系對應的一個切點的值。pairwise＿survdiff （）生存曲線的多重比較，計算分組級別之間的配對比較，以及多個測試的更正ggcoxzph （）比例危害的圖形測試，顯示縮放的Schoenfeld殘差圖，以及使用ggplot2的平滑曲線，plot．cox．zph（）的包裝器ggcoxdiagnostics （）顯示診斷圖表顯示cr比例危險模型的良好ggcoxfunctional （）顯示關(guān)于零cox比例危險模型鞅殘差的連續(xù)解釋變量的圖，cox模型中連續(xù)變量的函數(shù)形式的正確選取ggforest （）繪制CoxPH模型的forest plotggcoxadjustedcurves （）繪制coxph模型的調(diào)整生存曲線ggcompetingrisks （）繪制競爭風險的累積關(guān)聯(lián)曲線

        在以上眾多函數(shù)中，ggsurvplot （）函數(shù)和ggcoxzph （）函數(shù)是生存分析中應用最多的函數(shù)，arrange＿ggsurvplots （）函數(shù)是讓多個 ggsurvplots作圖生存曲線合并。今天我們也將主要講解這三個函數(shù)。（如果需要其他函數(shù)的學習，請自行查閱 Survminer包說明文檔）

2．主要函數(shù)ggsurvplot（）

2．1 用法：

ggsurvplot（fit， data ＝ NULL， fun ＝ NULL， color ＝ NULL，     palette ＝ NULL， linetype ＝ 1， conf．int ＝ FALSE， pval ＝ FALSE，     pval．method ＝ FALSE， test．for．trend ＝ FALSE，     surv．median．line ＝ ＂none＂， risk．table ＝ FALSE， cumevents ＝ FALSE，     cumcensor ＝ FALSE， tables．height ＝ 0．25， group．by ＝ NULL，     facet．by ＝ NULL， add．a(chǎn)ll ＝ FALSE， combine ＝ FALSE，     ggtheme ＝ theme＿survminer（）， tables．theme ＝ ggtheme， ．．．）

2．2 主要參數(shù)詳解：

參數(shù)用法fit需要畫的生存曲線對象，可以是擬合好的生存對象，也可以是包含生存信息的數(shù)據(jù)框、列表data用來擬合生存曲線的數(shù)據(jù)集，如果未提供，則將從“fit”對象中提取數(shù)據(jù)fun定義生存曲線變換的任意函數(shù)。event：f（y） ＝ 1－y；cumhaz：f（y） ＝－log（y）；pct：生存率百分比color繪制生存曲線的顏色設(shè)置，可使用調(diào)色板palette使用調(diào)色板linetype改變線條類型conf．int邏輯值，如果為TRUE，則繪制置信區(qū)間pval邏輯中，如果為TRUE，則繪制p值pval．method是否添加一個文本，其中包含用于計算pvalue的檢驗名稱，該文本對應于生存曲線的比較。僅在pval＝TRUE時使用test．for．trend邏輯值，默認為FALSE，如果是TRUE，返回p值的趨勢檢測surv．median．line用于在中間生存點繪制水平／垂直線的字符向量，可選擇的值包括c（＂none＂，＂hv＂，＂h＂，＂v＂）中的一個，其中v：垂直，h：水平risk．table顯示絕對數(shù)量和風險個體的百分比cumevents指定是否顯示累計事件數(shù)表的邏輯值，默認值為FALSEcumcensor邏輯值，指定是否顯示審查累計次數(shù)的表，默認值為FALSEtables．height數(shù)值（在［0－1］中），指定主生存圖下所有表的一般高度add．a(chǎn)ll邏輯值如果為真，則將合并患者的生存曲線（空模型）添加到主圖中combine邏輯值如果為TRUE，則在同一繪圖上合并列表survfit對象2．3 示例：

＃首先，安裝并加載包，直接在R中安裝即可

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

＃示例數(shù)據(jù)選用R語言中非常出名的lung數(shù)據(jù)集

＃查看數(shù)據(jù)組成View（lung）

＃表中數(shù)據(jù)解釋：

time：患者生存時間，單位是days?status：患者結(jié)局，1表示刪失，2表示死亡 其余變量：自變量，比如：age表示年齡，sex表示性別等等

＃然后，使用該數(shù)據(jù)擬合生存曲線 （這里使用Survival包，具體生存分析的方法可以查看Survival包學習文檔）

fit＜－ survfit（Surv（time， status） ～ sex， data ＝ lung）

＃構(gòu)建好fit對象后，開始畫圖

＃默認參數(shù)畫圖ggsurvplot（fit， data ＝ lung）

＃ 添加中位生存ggsurvplot（fit， data ＝ lung，           surv．median．line ＝ ＂hv＂）