生存分析之生存曲线

生存分析之生存曲线

引用

CSDN

1.

https://m.blog.csdn.net/zfyyzhys/article/details/139131796

生存分析是医学研究中常用的一种统计方法，用于分析随时间变化的事件发生概率。其中，生存曲线（Survival Curve）是最常见的展示方式之一，最常用的是Kaplan-Meier曲线。本文将详细介绍生存曲线的基本概念、解读方法以及如何使用SPSS和R语言绘制生存曲线。

生存曲线的基本概念

生存曲线，最常见的就是Kaplan-Meier曲线，是一种在医学研究中常用的图表，用于描述不同组别患者的生存状况。这种曲线通常以时间为横坐标，以生存率为纵坐标，通过连接每个时间点的生存率，形成一条曲线。每一个点代表了在该时间点上的生存率，曲线的下降表示有患者死亡或发生了研究的阳性终点事件。

生存曲线的解读

1. 中位生存时间：累计生存率为50%时所对应的生存时间（上图A点所对应的时间）。
2. 中位随访时间：生存时间的中位数（利用反K-M法计算，将出现结局事件定义为0，再利用K-M法估计）。
3. 死亡速度与生存率：死亡速度越快，生存率越低，那么生存时间越短。高风险组患者的死亡速度通常比低风险组患者快，因此生存时间较短。需要注意的是，在生存分析中，“死亡”不仅仅指生理上的死亡，也可以指其他研究关注的事件。
4. 阳性事件和删失：在生存分析中，阳性事件是指研究关注的事件发生，如疾病复发、死亡等。删失（Censoring）是指在观察期间未发生阳性事件的情况，可能是由于患者失访、研究结束等原因。
5. 统计检验：为了验证生存曲线之间的差异是否具有统计学意义，通常会使用log-rank检验或Cox比例风险回归模型等统计方法。P值一般保留3位小数点。

如何绘制生存曲线

使用SPSS绘制生存曲线

1. 建立含有变量、生存状态、生存时间的Excel表格并导入SPSS（本例使用SPSS26版本）。
2. 选择对应的参数选入，将出现阳性事件定义为1。
   
3. 做出生存曲线图，并进行调整。

使用R语言绘制生存曲线

# 安装R包
install.packages("survival")
install.packages("survminer")

# 加载R包
library(survival)
library(survminer)

# 读取数据
data <- read.csv("Survival.CSV")

# 拟合生存模型
fit <- survfit(Surv(OS, Status) ~ Risk, data = data)

# 作图
p <- ggsurvplot(fit, data = data,
                font.title = c(10, "bold", "darkblue"), # 标题字体
                font.subtitle = c(11, "italic", "purple"), # 副标题字体
                font.caption = c(10,"plain","orange"), # 说明字体
                font.x = c(11), # x轴字体
                font.y = c(12), # y轴字体
                fun = "pct", risk.table = T,
                risk.table.y.text.col = T,
                risk.table.height = 0.25,
                risk.table.y.text = FALSE, size = 0.8,
                palette = c(), # 调色
                legend.labs = c("high", "low"),
                legend.title = "Risk",
                ylab = "Overall Survival(%)",
                xlab = "Time (months)",
                censor.shape = 124, censor.size = 2,
                conf.int = FALSE,
                break.x.by = 20,
                xlim = c(0, 85),
                surv.median.line = "hv",
                pval = T,
                ggtheme = theme_classic())

# 呈现生存曲线
p

通过以上步骤，可以使用SPSS或R语言绘制出清晰的生存曲线图，帮助研究人员更好地理解数据并进行统计分析。