基于survfit汇总结果使用ggsurvplot绘制Kaplan-Meier生存曲线的方法咨询

第一步：计算准确的Kaplan-Meier生存率 #

使用乘积极限法基于提供的n.risk和n.event列计算真实生存率，同时可重新计算无四舍五入误差的置信区间，代码示例：

# 读入你提供的汇总数据
surv_summary <- structure(list(time = c(11L, 13L, 14L, 15L, 16L, 17L, 18L, 19L, 20L, 21L), n.risk = c(399490L, 399133L, 398853L, 398558L, 398078L, 397755L, 397487L, 397273L, 397108L, 396949L), n.event = c(1L, 1L, 3L, 2L, 2L, 1L, 2L, 3L, 2L, 6L), survival = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1), std.err = c(2.5e-06, 3.54e-06, 5.6e-06, 6.63e-06, 7.52e-06, 7.93e-06, 8.69e-06, 9.73e-06, 1.04e-05, 1.21e-05), lowerci = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1), upperci = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1)), row.names = c(NA, -10L), class = "data.frame")

# 计算准确生存率
surv_summary$surv_accurate <- cumprod(1 - surv_summary$n.event / surv_summary$n.risk)

# 重新计算95%置信区间
surv_summary$lower_accurate <- surv_summary$surv_accurate * exp(-1.96 * surv_summary$std.err)
surv_summary$upper_accurate <- surv_summary$surv_accurate * exp(1.96 * surv_summary$std.err)

因本次数据生存率下降幅度极小，绘图时建议调整y轴范围放大变化趋势。

第二步：用ggsurvplot绘图的最简方法 #

survminer包提供了ggsurvplot_df()函数，专门适配已计算完成的生存汇总数据框，不需要原始survfit对象即可直接调用：

library(survminer)
ggsurvplot_df(
  data = surv_summary,
  surv.col = "surv_accurate",
  time = "time",
  censor = NULL,
  lower.col = "lower_accurate",
  upper.col = "upper_accurate",
  risk.table = TRUE,
  xlab = "时间",
  ylab = "生存率"
)

其他可选KM曲线绘图方案 #

如果不想依赖survminer包，可以直接用ggplot2自定义绘制，灵活性更高：

library(ggplot2)
ggplot(surv_summary, aes(x = time, y = surv_accurate)) +
  geom_step(linewidth = 1, color = "#2c3e50") +
  geom_ribbon(aes(ymin = lower_accurate, ymax = upper_accurate), alpha = 0.2, fill = "#3498db") +
  scale_y_continuous(limits = c(0.999, 1)) +
  labs(x = "时间", y = "生存率") +
  theme_bw()

内容的提问来源于stack exchange，提问作者davidk