如何在R Studio中绘制包含3组的Kaplan-Meier生存曲线？

核心思路 #

不需要拆分数据集，先创建一个新的分组变量，把原始数据中的Group和Response组合成你需要的三组，再用survival和survminer包一次性绘制所有曲线。

步骤与代码 #

1. 安装并加载必备包
   如果你还没安装survival（拟合KM模型）和survminer（绘制美观的生存曲线），先执行安装命令：

   install.packages(c("survival", "survminer"))
   

   加载包：

   library(survival)
   library(survminer)
   

2. 创建新分组变量
   基于原始数据的Group和Response列，生成包含三组的新变量new_group，两种方法任选一种：

   • Base R 写法：

     # 假设你的数据集名为df
     df$new_group <- ifelse(df$Group == "normal", "Normal",
                            ifelse(df$Group == "high" & df$Response == "responder", "High Responder",
                                   "High Non-responder"))
     

   • dplyr 写法（适合用tidyverse的用户）：

     library(dplyr)
     df <- df %>%
       mutate(new_group = case_when(
         Group == "normal" ~ "Normal",
         Group == "high" & Response == "responder" ~ "High Responder",
         Group == "high" & Response == "non-responder" ~ "High Non-responder"
       ))
     

3. 拟合Kaplan-Meier模型
   用Surv()函数定义生存对象，再用survfit()拟合三组的KM曲线：

   km_fit <- survfit(Surv(Days, Outcome) ~ new_group, data = df)
   

   注意：确保Outcome是数值型变量（0=截尾，1=事件），如果是字符型，用as.numeric(df$Outcome)转换。

4. 绘制合并曲线
   用ggsurvplot()生成包含三组的生存曲线，可自定义样式：

   ggsurvplot(km_fit,
              data = df,
              conf.int = TRUE,          # 显示置信区间
              palette = c("#E7B800", "#2E9FDF", "#FC4E07"), # 自定义每组颜色
              legend.title = "Groups",
              legend.labs = c("Normal", "High Responder", "High Non-responder"), # 图例标签
              xlab = "Days",            # X轴标题
              ylab = "Survival Probability", # Y轴标题
              surv.median.line = "hv")  # 显示中位生存时间的水平线和垂直线
   

额外提示 #

• 若想调整曲线样式（如线条粗细、图例位置），可在ggsurvplot()中添加参数（比如linetype = "strata"设置不同线型，legend = "bottom"把图例放底部）。
• 可以用summary(km_fit)查看每组的生存时间统计信息。

内容的提问来源于stack exchange，提问作者Maze