R语言生存分析：ggsurvplot报错及plot显示累积风险图问题求助

项目背景 #

正在开展一项生存分析项目，使用R语言分析两个数据集，探究生存时间与血液生物标志物的关联，其中一个数据集用于模型开发，另一个用于验证。

遇到的问题 #

• 调用ggsurvplot()绘制生存曲线时触发报错：Error in data.frame(..., check.names = FALSE) : arguments imply differing number of rows: 174, 0, 348
• 使用plot()绘制survfit对象时，输出的是累积风险图而非预期的生存曲线

两个数据集均存在上述问题，以下是针对开发数据集编写的代码：

library(survival)
library(survminer)
library(corrplot)
library(readxl)

# development dataset (sheet 1 of 2 of the xlsx document)
dati_D = read_excel("carvalho-prognostic-biomarkers-NSCLC.xlsx", sheet=2)

# renaming some variables' names because of backspace in names
colnames(dati_D)[colnames(dati_D) == "Lymph nodes"] = "LymphNodes"
colnames(dati_D)[colnames(dati_D) == "RT Protocol"] = "RTProtocol"
colnames(dati_D)[colnames(dati_D) == "Total dose (1st)"] = "TotalDose1st"
colnames(dati_D)[colnames(dati_D) == "Total Dose (2nd)"] = "TotalDose2nd"
colnames(dati_D)[colnames(dati_D) == "IL 6"] = "IL6"
colnames(dati_D)[colnames(dati_D) == "IL 8"] = "IL8"
colnames(dati_D)[colnames(dati_D) == "Cyfra 21-1"] = "Cyfra211"
colnames(dati_D)[colnames(dati_D) == "WHO-PS"] = "WHOPS"
colnames(dati_D)[colnames(dati_D) == "CA-9"] = "CA9"
colnames(dati_D)[colnames(dati_D) == "FEV1s%"] = "FEV1s"

# setting chr's as factors
dati_D$Status = as.factor(dati_D$Status)
dati_D$histology = as.factor(dati_D$histology)
dati_D$stage = as.factor(dati_D$stage)
dati_D$Gender = as.factor(dati_D$Gender)
dati_D$RT_Protocol = as.factor(dati_D$RTProtocol)
str(dati_D)

# Survival curves
c1 = survfit(Surv(Survival, Status) ~ Gender, data = dati_D)
plot(c1) # it gives a cumulative hazard plot, why?
ggsurvplot(c1, data = dati_D) # it gives the error mentioned above, why?

已尝试删除所有NA值、不将字符型变量转为因子，但问题仍未解决。数据集规模为182行21列，不清楚报错中的数字含义，需要协助排查解决。

问题排查与解决方案 #

问题1：plot()输出累积风险图而非生存曲线 #

survival包的plot.survfit()默认根据survfit对象的类型判断绘图逻辑，核心原因是事件变量Status的编码不符合生存分析标准：

• 生存分析要求Surv()函数的事件变量为二分变量，其中0代表删失（存活），1代表事件发生（死亡）。若编码反向（比如1代表存活、0代表死亡），survfit会误判为累积风险计算。

解决步骤：

1. 检查Status变量取值：

   table(dati_D$Status)
   

2. 若编码反向，调整为标准格式：

   # 假设原Status是1=存活，0=死亡，反转编码
   dati_D$Status = as.numeric(dati_D$Status == 0)
   

3. 重新拟合并绘图，若需强制绘制生存曲线，可指定fun="surv"：

   c1 = survfit(Surv(Survival, Status) ~ Gender, data = dati_D)
   plot(c1, fun="surv")
   

问题2：ggsurvplot()报错行数不匹配 #

报错中的数字是不同数据对象的行数，说明survfit对象c1与输入数据集dati_D存在数据不匹配，主要由以下原因导致：

1. 变量名拼写错误：
   代码中存在一处明显错误：

   dati_D$RT_Protocol = as.factor(dati_D$RTProtocol)
   

   此处创建了新变量RT_Protocol，但原变量名为RTProtocol，会导致数据集元数据异常，修正为：

   dati_D$RTProtocol = as.factor(dati_D$RTProtocol)
   

2. survfit自动删去含NA的行，但ggsurvplot仍使用原始数据集：
   survfit()默认会自动删除含缺失值的观测（na.action=na.omit），导致c1中的观测数少于原始dati_D。解决方法是使用拟合后保留的数据集绘图：

   # 提取survfit中实际使用的数据集
   dati_fit = c1$data
   # 重新拟合并绘图
   c1 = survfit(Surv(Survival, Status) ~ Gender, data = dati_fit)
   ggsurvplot(c1, data = dati_fit)
   

3. 因子水平不一致：
   检查Gender变量的因子水平，确保拟合前后无变化：

   str(dati_D$Gender)
   str(c1$strata)
   

验证步骤 #

1. 先修正变量名错误并清理数据集：

   # 修正RTProtocol的因子转换
   dati_D$RTProtocol = as.factor(dati_D$RTProtocol)
   # 移除所有含NA的观测
   dati_clean = na.omit(dati_D)
   

2. 确认Status编码正确：

   table(dati_clean$Status)
   # 确保输出为0和1，且0代表删失、1代表事件
   

3. 重新拟合并绘图：

   c1 = survfit(Surv(Survival, Status) ~ Gender, data = dati_clean)
   plot(c1) # 验证生存曲线是否正常输出
   ggsurvplot(c1, data = dati_clean) # 验证ggsurvplot是否正常运行
   

内容的提问来源于stack exchange，提问作者unbiased95