如何用R绘制多分类事件的生存曲线？现有代码仅生成单曲线

一、同时展示两种不同事件的生存曲线是否合理？ #

这得看你的研究场景和目的：

• 如果两种事件是互斥的竞争风险事件（比如患者最终只会因A事件或B事件结局，不会同时遭遇两种事件），或者你想分别观察“未发生事件A的生存概率”“未发生事件B的生存概率”，这种展示完全合理——能直观对比不同事件的发生风险差异，只要在图里明确标注每种曲线对应的事件类型，避免读者误解就行。
• 但如果两种事件存在重叠（比如患者可能同时发生两种事件），直接展示两条传统生存曲线就容易误导，因为传统生存曲线假设“删失”不包含其他事件，这种情况更适合用多状态模型的可视化。

二、R语言实现方法（ggplot/ggsurvplot） #

假设你的数据集mydata里，time是随访时间，status是结局变量（0=删失，1=事件1，2=事件2），分两种场景处理：

场景1：竞争风险下的累积发生率曲线（更严谨） #

如果是竞争风险场景，推荐绘制累积发生率曲线（CIC），它会考虑其他事件的竞争风险，比传统生存曲线更准确：

# 加载必要包
library(survival)
library(cmprsk)
library(survminer)

# 拟合竞争风险模型
cic_fit <- cuminc(ftime = mydata$time, fstatus = mydata$status)

# 用ggsurvplot绘制
ggsurvplot(cic_fit, 
           data = mydata,
           conf.int = TRUE, # 显示置信区间
           legend.title = "事件类型",
           legend.labs = c("事件1", "事件2"), # 自定义图例标签
           xlab = "随访时间",
           ylab = "累积发生率")

场景2：分别拟合两种事件的传统生存曲线 #

如果你想忽略竞争风险，单纯展示“未发生某事件”的生存概率，可以分别为每个事件重新定义结局变量，再拟合生存曲线后合并绘图：

library(survival)
library(survminer)
library(ggplot2)

# 针对事件1重新定义status：1=发生事件1，0=未发生（包括删失和事件2）
mydata$status1 <- ifelse(mydata$status == 1, 1, 0)
# 针对事件2重新定义status：1=发生事件2，0=未发生（包括删失和事件1）
mydata$status2 <- ifelse(mydata$status == 2, 1, 0)

# 分别拟合生存曲线
fit1 <- survfit(Surv(time, status1) ~ 1, data = mydata)
fit2 <- survfit(Surv(time, status2) ~ 1, data = mydata)

# 用ggsurvplot合并绘图
ggsurvplot_list <- list(fit1, fit2)
ggsurvplot_combine(ggsurvplot_list,
                   data = mydata,
                   legend.title = "事件类型",
                   legend.labs = c("未发生事件1的生存概率", "未发生事件2的生存概率"),
                   xlab = "随访时间",
                   ylab = "生存概率",
                   conf.int = TRUE)

也可以用纯ggplot手动绘制：

# 将生存曲线结果转为数据框
df1 <- fortify(fit1)
df1$event <- "未发生事件1"
df2 <- fortify(fit2)
df2$event <- "未发生事件2"
df_combined <- rbind(df1, df2)

# ggplot绘图
ggplot(df_combined, aes(x = time, y = surv, color = event)) +
  geom_step() +
  geom_ribbon(aes(ymin = lower, ymax = upper, fill = event), alpha = 0.2, color = NA) +
  labs(x = "随访时间", y = "生存概率", color = "事件类型", fill = "事件类型") +
  theme_bw()

内容的提问来源于stack exchange，提问作者Seydou GORO