前言

KMunicate是支持按照Morris等人的KMunicate研究推荐的方式生成Kaplan-Meier图.
1958年，Edward L. Kaplan 和Paul Meier也首次在临床研究中提出了生存曲线的概念，又被称作Kaplan-Meier曲线，主要用来对各组患者的生存状况进行描述生存曲线，是最常用图片之一，旨在描述各组患者的生存状况。

代码如下：

1.下载KMunicate包并导入

BiocManager::install("KMunicate")
library(KMunicate)

2.使用KMunicate包里自带的数据集 brcancer

data("brcancer", package = "KMunicate")
str(brcancer)

3.使用survival包中的 survfit 函数拟合 Kaplan-Meier 曲线

fit <- survfit(Surv(rectime,censrec) ~ 1,data =brcancer)
fit

4.定义绘图的水平轴,例如在时间零和最大观察时间之间定义 4个等距间隔。

pt <- seq(0,max(brcancer$rectime),length.out = 4)
pt

5.最后使用KMunicate函数，通过fit和pt两个参数绘制曲线

KMunicate(fit = fit,time_scale = pt)

如果 survfit 对象中有协变量，将自动生成Multiple-Arms plot。

fit1 <- survfit(Surv(rectime, censrec) ~ hormon, data = brcancer)
fit1
KMunicate(fit = fit1,time_scale = pt)

6.KMunicate() 函数包含一些用于自定义生成的绘图选项，我们根据代码可以看到需要设置的参数非常少，并且通过‘.xxx'的参数形式还可以和ggplot2包进行交互，让绘图更加的个性化！可以将 ggplot2 theme传递给 .theme 参数：

KMunicate(fit = fit1, time_scale = pt, .theme =ggplot2::theme_minimal())

640 (3).png

7.通过'.color_scale'和'.fill_scale'定义颜色以及填充，参数type表示颜色样式 有seq 、 div 、qual三个中选一个，palette 表示颜色数量 数字直接表示颜色个数也可以用相对应的名称

KMunicate(fit = fit1,time_scale = pt,
          .color_scale = ggplot2::scale_color_brewer(type = "seq",palette = "Set1"),
          .fill_scale = ggplot2::scale_fill_brewer(type = "seq",palette = "Set1"))

8.我们可以通过 .alpha 参数自定义置信区间的透明度：

KMunicate(fit = fit1,time_scale = pt,
          .theme = ggplot2::theme_minimal(),
          .color_scale = ggplot2::scale_color_brewer(type = "seq",palette = "Set1"),
          .fill_scale = ggplot2::scale_fill_brewer(type = "seq",palette = "Set1"),
          .alpha = 0.7)

9.可以通过 .linetype_scale 参数自定义线型比例：

KMunicate(fit = fit1,time_scale = pt,
          .linetype_scale = ggplot2::scale_linetype_manual(values =c("longdash", "twodash")))

10.通过 .annotate 参数添加自定义注释，annotate 里面用"text"类型，然后x,y分别代表文本的位置。label的内容是文本的实际内容

KMunicate(fit = fit1,time_scale = pt,
          .annotate = ggplot2::annotate(geom = "text", x = 360, y = 0.6, label = "Kaplan-Meier"))

以上就是关于生存曲线图(Kaplan-Meier图)的分享啦！