R语言survminer包ggsurvplot函数newdata参数使用报错问题

问题1：使用newdata时提示legend.labs长度应为观测数 #

原因 #

survfit(cox_model, newdata = d.dat.tot.clean)会为数据框的每一行观测生成一条生存曲线，而非按基因型分组生成曲线。ggsurvplot识别到曲线数量等于观测数（你遇到的是236），但传入的legend.labs是因子水平数（3个），长度不匹配导致报错。

解决办法 #

newdata需要传入仅包含各因子水平的数据集，而非原始全量数据。用expand.grid生成每个基因型的代表行，确保survfit只生成对应分组的3条曲线：

set.seed(123) 
d.dat.tot <- data.frame( 
  DONOR_SURVIVAL_TIME = rexp(100, 0.1), 
  DEAD_OR_ALIVE = sample(0:1, 100, replace = TRUE), 
  GENOTYPE.111758446 = sample(c("A/A", "G/A", "G/G"), 100, replace = TRUE) 
) 
d.dat.tot.clean <- d.dat.tot[d.dat.tot$DEAD_OR_ALIVE < 2, ] 
d.dat.tot.clean$GENOTYPE.111758446 <- as.factor(d.dat.tot.clean$GENOTYPE.111758446) 

cox_model_single_111758446 <- coxph(
  Surv(DONOR_SURVIVAL_TIME, DEAD_OR_ALIVE) ~ GENOTYPE.111758446, 
  data = d.dat.tot.clean
)

# 生成仅包含各基因型水平的newdata
newdata_grouped <- expand.grid(GENOTYPE.111758446 = levels(d.dat.tot.clean$GENOTYPE.111758446))

cox_plot_single_111758446 <- ggsurvplot(
  survfit(cox_model_single_111758446, newdata = newdata_grouped),
  data = d.dat.tot.clean,
  pval = TRUE,
  conf.int = TRUE,
  risk.table = TRUE,
  legend.title = "Genotype",
  legend.labs = levels(d.dat.tot.clean$GENOTYPE.111758446),
  xlab = "Time to Last Follow-up, mo",
  ylab = "Cumulative Survival, %",
  ggtheme = theme_minimal(),
  palette = "set2"
)

print(cox_plot_single_111758446)

问题2：不使用newdata时提示legend.labs长度应为1 #

原因 #

直接调用survfit(cox_model_single_111758446)默认生成的是基准风险的单条生存曲线，而非按基因型分组的多条曲线。ggsurvplot识别到只有1条曲线，但传入了3个legend.labs，长度不匹配报错。

解决办法 #

方案1：直接按分组拟合survfit（无需依赖cox模型）

set.seed(123)
d.dat.tot <- data.frame(
  DONOR_SURVIVAL_TIME = rexp(100, 0.1),
  DEAD_OR_ALIVE = sample(0:1, 100, replace = TRUE),
  GENOTYPE.111758446 = sample(c("A/A", "G/A", "G/G"), 100, replace = TRUE)
)

d.dat.tot.clean <- d.dat.tot[d.dat.tot$DEAD_OR_ALIVE < 2, ]
d.dat.tot.clean$GENOTYPE.111758446 <- as.factor(d.dat.tot.clean$GENOTYPE.111758446)

# 直接按基因型分组拟合survfit
surv_fit <- survfit(Surv(DONOR_SURVIVAL_TIME, DEAD_OR_ALIVE) ~ GENOTYPE.111758446, data = d.dat.tot.clean)

cox_plot_single_111758446 <- ggsurvplot(
  surv_fit,
  data = d.dat.tot.clean,
  pval = TRUE,
  conf.int = TRUE,
  risk.table = TRUE,
  legend.title = "Genotype",
  legend.labs = levels(d.dat.tot.clean$GENOTYPE.111758446),
  xlab = "Time to Last Follow-up, mo",
  ylab = "Cumulative Survival, %",
  ggtheme = theme_minimal(),
  palette = "set2"
)

print(cox_plot_single_111758446)

方案2：依然基于cox模型，传入分组后的newdata（同问题1的解决逻辑）

内容的提问来源于stack exchange，提问作者Yukiyaama