使用R的survival包创建Survival对象的问题求助

问题根源 #

你遇到的警告是因为Surv()函数要求状态变量是个体水平的0/1标记（0=删失，1=事件），但你的数据是分组计数格式（每行对应一组样本，记录该组的事件数、删失数和随访时间），直接传入Rec列（存在大于1的数值）会被判定为无效值，触发警告。

下面提供两种高效解决方案，优先推荐第一种（无需拆分个体数据）：

方案1：直接用计数格式拟合KM曲线（高效推荐） #

survival包的survfit()支持直接处理计数汇总数据，无需拆分成个体行，适合大样本场景：

步骤1：取消数据分组 #

你的数据是grouped_df格式，先取消分组避免后续操作异常：

library(dplyr)
FUP_ungrouped <- ungroup(FUP)

步骤2：拟合KM模型 #

使用Surv(start, end, events)的格式定义生存对象，结合weights参数指定每组样本量：

library(survival)

# 公式说明：
# Surv(0, fuptime, Rec)：每组随访起始时间为0（手术当日），结束时间为fuptime，发生Rec个复发事件
# ~ operation3：按手术分组拟合（如果不需要分组，改成~1即可）
# weights = n：指定每组的总样本量
km_fit <- survfit(Surv(0, fuptime, Rec) ~ operation3, 
                  data = FUP_ungrouped, 
                  weights = n)

步骤3：用survminer绘图 #

直接将拟合结果传入ggsurvplot()即可：

library(survminer)

ggsurvplot(km_fit,
           xlab = "术后随访时间",
           ylab = "无复发生存概率",
           surv.median.line = "hv",  # 显示中位生存时间的横竖线
           risk.table = TRUE,        # 显示风险人数表
           legend.title = "手术方式",
           palette = "jco")          # 使用JCO期刊配色

方案2：转换为个体水平数据（适合理解逻辑） #

如果想还原成标准的个体数据格式（每行对应一个患者），可以用以下代码拆分：

# 拆分计数数据为个体行
individual_data <- FUP_ungrouped %>%
  rowwise() %>%
  summarise(
    time = rep(fuptime, n),  # 重复随访时间n次
    status = c(rep(1, Rec), rep(0, nonRec)),  # 前Rec个标记为复发（1），剩余为未复发（0）
    operation3 = rep(operation3, n)
  ) %>%
  ungroup()

# 构造Surv对象并拟合KM曲线
so <- Surv(individual_data$time, individual_data$status)
km_fit_individual <- survfit(so ~ operation3, data = individual_data)

# 绘图（和方案1语法一致）
ggsurvplot(km_fit_individual, ...)  # 省略参数同方案1

内容的提问来源于stack exchange，提问作者th4007