R语言survminer：多变量生存分析风险表与单变量一致异常求助

核心问题判断 #

你大概率是在ggsurvplot里仍调用了单变量的生存拟合对象（比如survfit(Surv(time, status) ~ 分组变量, data=...)），而非基于多变量Cox模型调整后的生存曲线。ggsurvplot的风险表是基于传入的survfit对象计算的，若没传入调整后的曲线，结果自然和单变量分析一致。

排查与修正步骤 #

1. 先确认多变量Cox模型构建正确 #

先跑通模型并验证输出：

# 构建多变量Cox模型
cox_multi <- coxph(Surv(time, status) ~ age + sex + smoking_status + match_RF_HF + match_RF_AMI + match_RF_T2D + match_RF_HTA + match_RF_MI, data = your_data)
# 查看模型结果，确认协变量都被正确纳入
summary(cox_multi)

检查输出里的HR值、P值是否符合预期，排除模型本身拟合失败的可能。

2. 生成多变量调整后的生存曲线（关键） #

多变量分析的生存曲线必须基于Cox模型生成，不能直接用原始分组变量拟合：

# 场景1：生成整体调整后的生存曲线
surv_multi <- survfit(cox_multi, newdata = your_data)

# 场景2：按某分组变量（比如sex）展示调整后曲线
# 先构造参考数据集：取协变量的均值/中位数，按分组变量拆分
ref_data <- data.frame(
  age = mean(your_data$age, na.rm = TRUE),
  sex = c(0, 1), # 假设sex为0/1二分类编码
  smoking_status = median(your_data$smoking_status, na.rm = TRUE),
  match_RF_HF = median(your_data$match_RF_HF, na.rm = TRUE),
  match_RF_AMI = median(your_data$match_RF_AMI, na.rm = TRUE),
  match_RF_T2D = median(your_data$match_RF_T2D, na.rm = TRUE),
  match_RF_HTA = median(your_data$match_RF_HTA, na.rm = TRUE),
  match_RF_MI = median(your_data$match_RF_MI, na.rm = TRUE)
)
# 基于参考数据集生成分组调整后的生存曲线
surv_multi_group <- survfit(cox_multi, newdata = ref_data)

3. 传入调整后的曲线生成风险表 #

把上面的surv_multi或surv_multi_group传入ggsurvplot，替换单变量的拟合对象：

ggsurvplot(
  surv_multi_group,
  data = ref_data,
  risk.table = TRUE,
  risk.table.title = "多变量调整后风险表",
  risk.table.y.text.col = TRUE,
  risk.table.y.text = FALSE
)

其他排查点 #

• 检查数据集缺失值：用your_data <- your_data[complete.cases(your_data),]筛选无缺失样本，缺失值可能导致模型未正确纳入协变量
• 确认协变量编码：分类变量需转为因子（factor()），连续变量为数值型，编码错误会导致模型拟合异常
• 检查变量命名：避免单变量拟合对象和多变量对象重名，防止代码误调用旧对象

内容的提问来源于stack exchange，提问作者MaxStudent