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。

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：