您的生存曲线领导还满意吗
2019-10-08 王晓晓，赵一鸣 临床流行病学和循证医学
小伙伴抱怨道：我觉得我画的生存曲线很好啊，为什么领导说我画的很丑呢？这个，可能是因为审美不同吧......那领导到底喜欢什么样的呢？可能像下图这样。上图是采用R软件绘制的，绘图之前需要安装两个程序包survminer和survival。在开始绘图之前，需要通过library函数加载上述程序包。library(survminer)；library(survival)在读取数据后，需要通过survfi
小伙伴抱怨道：我觉得我画的生存曲线很好啊，为什么领导说我画的很丑呢？这个，可能是因为审美不同吧......那领导到底喜欢什么样的呢？可能像下图这样。
上图是采用R软件绘制的，绘图之前需要安装两个程序包survminer和survival。在开始绘图之前，需要通过library函数加载上述程序包。
library(survminer)；library(survival)
在读取数据后，需要通过survfit确定生存分析的对象。因为小编的程序和数据在同一文件下，所以读取数据的程序为 surv<-read.csv("surv.csv")。
接下来，通过survfit确定生存分析的对象，其中time为生存时间，status为生存状态。fit<- survfit(Surv(time， status) ~ 1，data = surv)。万一，领导想让我分组绘制生存曲线呢，比如按性别，只需要改为fit<- survfit(Surv(time， status) ~ gender， data =surv)。
还没结束哦，各位领导们会不会更喜欢下图？相对上图，该图增加了1年、5年和10年的生存率，提供的信息也更多。
首先，我们需要知道1年、5年和10年的生存率，通过summary(fit)可得到不同时间点的生存率，但因为系统默认设置的问题，往往无法得到完整的结果。简单设置一下就搞定了，options(max.print = 999999999)，然后再调用summary(fit)。
结果大致如下所示，大多时候，我们会发现结果中并没有1年、5年、10年这3个整点的时间点，那是因为在整点时并未出现死亡。这时候找小于上述时间点且离上述时间点最近的即可。本示例中，1年、5年和10年的生存率分别为88.5%、57.0%和39.0%。
在上面生存曲线的基础上，我们标注3个坐标点（1，88.5）、（5，57）、（10，39），并通过文本说明其生存率即可。
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
涨知识了
57
学习了，学习了
60