如何在R的survfit函数中忽略缺失值以去除空类别生存曲线？

我用R语言的survfit包批量处理多组文件，结合变量向量构建生存模型并绘制生存曲线。示例输入数据如下：

record_id   time    event   variable1   variable2
A   5   1   x1  y1
B   7   0   x2  
C   12  0   x3  y2
D   7   1       y3
F   8   1   x4  y4

数据中variable1和variable2存在缺失值，绘制生存曲线时会生成包含空类别的曲线（比如示例中会生成5条曲线，其中1条是空类别）。我希望只保留变量中实际存在的类别对应的生存曲线，尝试过在survfit和ggsurvplot中加na.omit，也用过!is.na筛选数据，但都没成功。以下是我的简化脚本：

files=c(file1,file2)
variables=c(variable1,variable2)

for (k in 1:length(files)){
     for(i in 1:length(variables)){
         tables[[k]]<-read.csv(files[k], header = T,sep = "\t", dec =".")
         fit[[k]] <- survfit(as.formula(paste0("Surv(time, event) ~", variables[i])),
                 data = tables[[k]])
  file_curve = paste(substr(files[k]),"_",variables[i],".tiff", sep="")
  tiff(file_curve)
print(
ggsurvplot(fit[[k]])
dev.off()

解决方案 #

问题核心在于：仅删除缺失值不会自动更新因子变量的水平（原变量若为因子，空类别对应的水平仍会保留），导致survfit仍会为这些空水平生成曲线。以下是修正方案：

关键修改步骤 #

1. 针对当前分析的变量，精准筛选出该变量无缺失的行
2. 将该变量转换为因子并删除空水平（使用droplevels()）
3. 用处理后的数据拟合生存模型

修改后的完整脚本 #

library(survival)
library(survminer)

files <- c("file1.csv", "file2.csv")  # 替换为实际文件名
variables <- c("variable1", "variable2")

# 初始化列表存储数据和模型结果
tables <- vector("list", length(files))
fit <- vector("list", length(files))

for (k in seq_along(files)){
    # 读取数据
    tables[[k]] <- read.csv(files[k], header = TRUE, sep = "\t", dec = ".")
    
    for(i in seq_along(variables)){
        # 提取当前变量名
        var <- variables[i]
        
        # 1. 筛选当前变量非缺失的行
        data_filtered <- tables[[k]][!is.na(tables[[k]][[var]]), ]
        
        # 2. 将当前变量转为因子并删除空水平
        data_filtered[[var]] <- droplevels(factor(data_filtered[[var]]))
        
        # 3. 拟合生存模型
        fit_current <- survfit(as.formula(paste0("Surv(time, event) ~ ", var)),
                               data = data_filtered)
        
        # 生成输出文件名（去除原文件后缀）
        file_curve <- paste0(substr(files[k], 1, nchar(files[k])-4), "_", var, ".tiff")
        
        # 绘制并保存生存曲线
        tiff(file_curve)
        print(ggsurvplot(fit_current))
        dev.off()
    }
}

说明 #

• droplevels()会彻底移除因子中没有实际数据的水平，确保survfit仅针对存在的类别建模
• 筛选数据时仅针对当前分析变量，避免误删其他变量有缺失但当前变量正常的行
• 修正了原脚本中的语法错误（如print()括号不完整、dev.off()位置错误）

内容的提问来源于stack exchange，提问作者Perceval Vellosillo Gonzalez