为什么R中自定义函数内调用surv_pvalue等生存分析函数会报错？

问题原因 #

survfit函数运行时可以在自定义函数的内部环境找到局部变量s_data完成正常计算，但其返回的生存曲线对象的call属性中仅保存了data = s_data这个变量名引用，没有绑定函数内部的执行环境。后续surv_pvalue执行时，默认会在全局环境中评估这个call来查找s_data，而s_data是函数内部的临时局部变量，全局环境中不存在该对象，因此抛出找不到对象的错误。

修复方案 #

方案1：显式传入数据集到surv_pvalue #

surv_pvalue本身支持直接指定data参数，会跳过对fit$call$data的评估，是最简单的修复方式：

# 修复后的自定义函数
s_curve_fun <- function(groups_of_interest) {
  s_data <- surv_data[surv_data$Group %in% groups_of_interest, ]
  s_obj <- Surv(s_data$Time, s_data$Status)
  s_curve <- survfit(s_obj ~ Group, data = s_data)
  print(s_curve)
  # 显式传入当前子集数据，避免去全局环境查找
  s_pval <- surv_pvalue(s_curve, data = s_data)
  return(s_pval)
}

# 测试调用
s_curve_fun(c("A", "B"))
s_curve_fun(c("A", "C"))
s_curve_fun(c("B", "C"))

方案2：修改survfit对象的call属性 #

如果需要把生存曲线对象导出到函数外使用，可以直接替换call中的data引用为实际数据集，后续无论在哪调用surv_pvalue都不会报错：

s_curve_fun <- function(groups_of_interest) {
  s_data <- surv_data[surv_data$Group %in% groups_of_interest, ]
  s_obj <- Surv(s_data$Time, s_data$Status)
  s_curve <- survfit(s_obj ~ Group, data = s_data)
  # 将call中的data从变量名替换为实际数据集
  s_curve$call$data <- s_data
  print(s_curve)
  s_pval <- surv_pvalue(s_curve)
  return(list(surv_fit = s_curve, p_value = s_pval))
}

# 导出到全局环境后仍可正常使用
res_AB <- s_curve_fun(c("A", "B"))
surv_pvalue(res_AB$surv_fit)

批量计算所有两两分组p值 #

可以搭配combn函数自动遍历所有分组组合，无需手动逐个调用：

all_groups <- unique(surv_data$Group)
# 批量输出所有两两组合的p值
combn(all_groups, 2, FUN = function(gp) {
  p_val <- s_curve_fun(gp)$p_value$pval
  cat(paste(gp, collapse = " vs "), "p值为:", round(p_val, 4), "\n")
})

内容的提问来源于stack exchange，提问作者Thomas