生存分析研究的是某個事件發生之前過去的時間，在臨床研究中最常見的應用就是死亡率的估計(預測患者的生存時間)，不過生存分析也可以應用于其他領域如機械故障時間等。

在R中，survival包中有很多函數可以對生存數據進行建模，可以使用survfit() 來估計刪失數據的生存曲線，使用coxph()用來擬合Cox 比例風險模型。在survminer包中，可以使用plot()、ggsurvplot()來繪制Kaplan-Meier生存曲線。

今天看到一個不錯的繪制生存曲線的R包——ggsurvfit包，這個包最大的優點就是基于ggplot2語法來繪制生存曲線，相比survminer包的ggsurvplot()函數，ggsurvfit包的可定制化程度更高，而且繪制起來更加簡單，強力推薦。

下面來學習下。

1. 加載數據

使用survival包的lung數據集，數據集包括了NCCTG晚期肺癌患者的生存率。

運行以下代碼加載數據：

library(survival)  # 加載包
head(lung)         # 預覽數據

# 數據解釋
inst      # 機構代碼；
time      # 生存天數；
status    # 生存狀態，1為刪失，2為死亡；
age       # 年齡；
sex       # 性別，1為男性，2為女性；
ph.ecog   # 為病人和患者評分，這里用不到；
ph.karno  # 為病人和患者評分，這里用不到；
pat.karno # 為病人和患者評分，這里用不到；
meal.cal  # 進食時消耗的卡路里；
wt.loss   # 最近6個月內的體重下降。

2. 擬合曲線

使用survfit2()函數來擬合曲線。

library(ggsurvfit)
fit <- survfit2(Surv(time, status) ~ sex, data = lung)
fit # 可輸出部分信息

3. 簡單生存曲線

將擬合模型轉化為整潔數據框，然后提取其中的數據使用ggplot2包進行繪圖。

生存曲線使用geom_step()函數進行繪制。

library(ggplot2)
fit %>%
  tidy_survfit() %>%
  ggplot(aes(x = time, y = estimate, 
             min = conf.low, ymax = conf.low,
             color = strata, fill = strata)) +
  geom_step()

ggsurvfit包將上述的代碼打包成了一個函數——ggsurvfit()函數，使用ggsurvfit()函數可以輕松繪制生存曲線。

fit %>%
  ggsurvfit()

下面我們來修改生存曲線的參數。

4. 自定義曲線參數

因為是使用ggplot2來繪制生存曲線，所以支持ggplot2的語法。

4.1 添加置信區間

可以使用+號來添加圖層，ggplot2中使用geom_ribbon()來繪制。

不過可以使用add_confidence_interval()函數來添加置信區間。

fit %>% 
  ggsurvfit() +
  add_confidence_interval()

4.2 添加刪失點

可以使用add_censor_mark()函數來添加刪失點。

fit %>%
  ggsurvfit() +
  add_censor_mark()

4.3 添加四分位線

可以使用add_quantile()函數來添加四分位線，默認添加中位線。

可以調整參數來調整線形、大小、顏色等。

fit %>%
  ggsurvfit() +
  add_quantile(linetype = 2, color = "red")

4.4 添加統計P值

可以使用add_pvalue()函數來添加統計P值。

也可以使用annotation參數將P值添加在圖形上。

fit %>%
  ggsurvfit() +
  add_pvalue(caption = "Log-rank {p.value}") +
  theme(legend.position = c(0.80, 0.65))

4.5 添加風險表

可以使用+號來添加圖層，使用add_risktable()來添加風險表。

可以使用size 參數修改風險表的字體大小。
可以使用risktable_height 參數修改風險表的高度，數字從0到1。

fit %>%
  ggsurvfit() +
  add_risktable(size = 3,
                risktable_height = 0.30) +
  theme(legend.position = c(0.80, 0.65))

4.6 修改圖例屬性

可以使用add_legend_title()函數來添加圖例標題。

可以使用legend.position參數修改圖例位置。

fit %>%
  ggsurvfit() +
  add_legend_title(title = "Sex") +
  theme(legend.position = c(0.80, 0.65)) +
  guides(color = guide_legend(ncol = 2))

4.7 修改圖形配色

上述圖形是使用ggplot2包繪制的，可以使用ggplot2相關的配色。

fit %>% 
  ggsurvfit() +
  add_confidence_interval() +
  theme_bw() +
  ggsci::scale_fill_lancet()

也可以指定顏色調整圖形顏色。

fit %>% 
  ggsurvfit() +
  add_confidence_interval() +
  scale_color_manual(values = c('tomato', 'darkcyan')) +
  scale_fill_manual(values = c('tomato', 'darkcyan')) +
  theme_bw() +
  theme(legend.position = c(0.80, 0.65)) +
  guides(color = guide_legend(ncol = 2)) +
  labs(
    title = "Modified",
    y = "Percentage Survival"
  )

5. 生存曲線排版

可以繪制不同的生存曲線，并進行排版。

p <- survfit(Surv(time, status) ~ sex, data = lung) %>% 
  ggsurvfit() +
  add_confidence_interval() +
  theme_classic() +
  theme(legend.position=c(0.75,0.65)) +
  ggsci::scale_fill_nejm()

p1 <- survfit(Surv(time, status) ~ sex, data = lung) %>% 
  ggsurvfit() +
  add_confidence_interval() +
  theme_classic() +
  theme(legend.position=c(0.75,0.65)) +
  ggsci::scale_fill_nejm()

# build plot (which constructs the risktable)
built_p <- ggsurvfit_build(p)
built_p1 <- ggsurvfit_build(p1)

library(patchwork)
wrap_plots(built_p, built_p1, ncol = 2)

對于圖例相同的，也可以合并圖例。

p + p1 + 
  patchwork::plot_layout(guides = "collect") &
  theme(legend.position = "bottom")

參考資料

1.ggsurvfit包幫助文件。