Kaplan Meier，包括存活和移植数据_R_Survival Analysis

Kaplan Meier，包括存活和移植数据

Kaplan Meier，包括存活和移植数据,r,survival-analysis,R,Survival Analysis,我用R 我需要的是将以下数据添加到绘图中（如示例中所示）：因心脏移植（HTX）而存活的患者死亡病人换句话说，有两组，其中一组是另一组（所有患者）的子集（移植患者）。这两条曲线必须从0/0开始并将增加我自己的情节是通过以下方式完成的： pump <- read.table(file=datafile, header=FALSE, col.names=c('TIME', 'CENSUS', 'DEVICE')) # convert days t

我用R

我需要的是将以下数据添加到绘图中（如示例中所示）：

因心脏移植（HTX）而存活的患者
死亡病人

换句话说，有两组，其中一组是另一组（所有患者）的子集（移植患者）。这两条曲线必须从0/0开始并将增加

我自己的情节是通过以下方式完成的：

pump <- read.table(file=datafile, header=FALSE,
                   col.names=c('TIME', 'CENSUS', 'DEVICE'))
# convert days to months
pump$TIME <- pump$TIME/(730/24)
mfit.overall <- survfit(Surv(TIME, CENSUS==0) ~ 1, data=pump)
plot(mfit.overall, xlab="months on device", ylab="cum. survival", xaxt="n")
axis(1, at=seq(from=0, to=24, by=6), las=0)

发送数据：

死亡人数：

使用

par（new=TRUE）

可以在与第一个图形相同的图形中绘制第二个图形

通常，我建议使用

lines（）

将曲线添加到绘图中，因为

par（new=TRUE）

执行覆盖绘图的不同任务。当以不打算使用的方式使用函数时，您可能会犯错误，例如，我几乎忘记了重要的

xlim

参数。然而，从

survfit

对象中提取曲线并不是一件小事，因此我认为这是两个缺点中较小的一个

# Fake data for the plots
pump <- data.frame(TIME=rweibull(40, 2, 20),
                   CENSUS=runif(40) < .3,
                   DEVICE=rep(0:1, c(20,20)))
# load package
library("survival")

# Fit models
mfit.overall <-survfit(Surv(TIME, CENSUS==0) ~ 1, data=pump)
mfit.htx <- survfit(Surv(TIME, CENSUS==0) ~ 1, data=pump, subset=DEVICE==1)

# Plot
plot(mfit.overall, col=1, xlim=range(pump$TIME), fun=function(x) 1-x)
# `xlim` makes sure the x-axis is the same in both plots
# `fun` flips the curve to start at 0 and increase
par(new=TRUE)
plot(mfit.htx, col=2, xlim=range(pump$TIME), fun=function(x) 1-x,
    ann=FALSE, axes=FALSE, bty="n") # This hides the annotations of the 2nd plot
legend("topright", c("All", "HTX"), col=1:2, lwd=1)

#曲线图的假数据
泵不需要plot.new（）
（尽管这是一个很好的范例）。这一切都可以通过类的lines（）
方法实现
使用@Backlin的示例数据（但是不同的种子，因此不同的数据）可以给出

对lines（）
进行两次调用的原因是为了安排用虚线绘制置信区间，我看不到在单个lines（）
调用中将多个lty
传递到lines（）
（有效！）的方法。
您能在同一表单上提供用于绘图或虚拟数据的数据吗，如果您无法共享实际数据？老实说，尽管par（new=TRUE）
是一种有用的黑客手段，但我认为@Gavin有更好的答案。如果我知道的话，我也会用他的方式解决的。巴克林，谢谢！是的，我知道。。。关键是如何从0,0（左下角）插入数据，这将增加到右上角…Backlin，完美！这管用！诀窍是：fun=function（x）1-x这里有一个lines（）
方法，所以不需要从survfit对象中删除曲线。非常感谢！我不知道有一个行.survfit
函数，但这是一个比par（new=TRUE）更好的解决方案。
TIME    CENSUS  DEVICE
426     1        1
288     1        2
308     1        1

TIME    CENSUS  DEVICE
12      0        1
84      0        1

# Fake data for the plots
pump <- data.frame(TIME=rweibull(40, 2, 20),
                   CENSUS=runif(40) < .3,
                   DEVICE=rep(0:1, c(20,20)))
# load package
library("survival")

# Fit models
mfit.overall <-survfit(Surv(TIME, CENSUS==0) ~ 1, data=pump)
mfit.htx <- survfit(Surv(TIME, CENSUS==0) ~ 1, data=pump, subset=DEVICE==1)

# Plot
plot(mfit.overall, col=1, xlim=range(pump$TIME), fun=function(x) 1-x)
# `xlim` makes sure the x-axis is the same in both plots
# `fun` flips the curve to start at 0 and increase
par(new=TRUE)
plot(mfit.htx, col=2, xlim=range(pump$TIME), fun=function(x) 1-x,
    ann=FALSE, axes=FALSE, bty="n") # This hides the annotations of the 2nd plot
legend("topright", c("All", "HTX"), col=1:2, lwd=1)

plot(mfit.overall, col=1, xlim=range(pump$TIME), fun=function(x) 1-x)
lines(mfit.htx, col=2, fun=function(x) 1-x)
lines(mfit.htx, col=2, fun=function(x) 1-x, lty = "dashed", conf.int = "only")
legend("topleft", c("All", "HTX"), col=1:2, lwd=1, bty = "n")