如何修复R语言中时变协变量Kaplan-Meier图风险表计算错误

现有一份含6名受试者的数据集，每个受试者对应唯一record_id，以复发为关注事件，exposure为tstart至tstop区间的时变协变量（药物剂量数值型变量），受试者最大tstop为复发时间（event=1）或末次随访/截尾时间（event=0）。

希望按exposure是否超过12.5mg分层绘制Kaplan-Meier型生存曲线，尝试了以下R代码：

library(survival)
library(survminer)

fit_c <- coxph(Surv(tstart,tstop,event) ~ strata(exposure > 12.4),
                 data = df_final)

ggsurv_12.5<-ggsurvplot(survfit(fit_c), data = df_final, 
                        xlab = "Time (days)", ylab = "Relapse freedom",
                        xlim=c(0,350),break.time.by=25,
                        risk.table = TRUE)

曲线显示合理，但风险表在时间0处显示6名受试者exposure<12.4、2名>12.4，而实际所有受试者此时exposure均为0，需要修复该计算错误。

问题根源 #

当前代码直接用strata(exposure > 12.4)在coxph中分层，survfit()结合ggsurvplot生成风险表时，错误统计了所有数据行的分层分组，而非按时间点动态统计该时刻处于对应分层的受试者数量——时变协变量的分层需要基于每个时间点的暴露状态，而非整个数据集的行分组。

修正步骤 #

1. 重构数据集，生成时间依赖的分层变量
   先为每个时间区间明确分层标签，再用survSplit()将数据拆分为符合生存分析要求的时间分段结构：

   library(survival)
   library(survminer)
   
   # 为每行数据添加分层标签
   df_final$exposure_group <- ifelse(df_final$exposure > 12.4, "≥12.5mg", "<12.5mg")
   
   # 拆分数据集，确保每个时间区间对应正确的分层
   df_split <- survSplit(Surv(tstart, tstop, event) ~ ., data = df_final, cut = unique(c(df_final$tstart, df_final$tstop)), start = "tstart", end = "tstop", event = "event")
   

2. 基于时间依赖分层拟合生存模型
   使用survfit()直接对拆分后的数据集按时间依赖的分层变量建模，而非通过coxph中转：

   # 拟合Kaplan-Meier模型，基于时间依赖的分层
   fit_km <- survfit(Surv(tstart, tstop, event) ~ exposure_group, data = df_split)
   
   # 绘制生存曲线与风险表
   ggsurv_12.5 <- ggsurvplot(fit_km, data = df_split, 
                             xlab = "Time (days)", ylab = "Relapse freedom",
                             xlim = c(0, 350), break.time.by = 25,
                             risk.table = TRUE,
                             legend.labs = c("<12.5mg", "≥12.5mg"))
   

3. 验证风险表
   修正后的风险表会在每个时间点动态统计当前处于对应暴露分层的受试者数量，时间0处所有受试者都会归为<12.5mg组，符合实际数据情况。

补充说明 #

• 时变协变量的生存分析核心是随时间更新暴露状态，survSplit()能确保每个时间分段对应正确的协变量值。
• 直接用survfit()处理拆分后的时变数据，比通过coxph分层更适合生成Kaplan-Meier风格的生存曲线和准确的风险表。

内容的提问来源于stack exchange，提问作者Benjamin Trewin