R 中调整后的生存曲线来自 Cox Model 在特定协变量值

Question

我想 plot 在特定的协变量值下调整 Cox model 的生存曲线。 survfit package 中的survival package 和ggsurvplot中的survminer允许人们轻松地从 model 调整生存曲线 plot，但似乎仅在协变量的平均值处这样做。 我想 plot 曲线在我指定的值，但找不到在R中轻松执行此操作的方法。 SAS可以通过在PROC PHREG中使用BASELINE命令轻松完成此操作，我希望能够在R中执行类似的操作。

Answer 1

您可以“手动”执行此操作。 这是使用来自coxph()的示例数据的一种可能性。 本质上，您需要制作一个数据集，该数据集将所有 model 个变量保持为您要使用的值，然后在数据中从最小值到最大值（此处为 0:4）改变时间。 然后，您可以预测这些数据和 plot 的生存概率。

  library(ggplot2)
  library(survival)
  test1 <- list(time=c(4,3,1,1,2,2,3), 
              status=c(1,1,1,0,1,1,0), 
              x=c(0,2,1,1,1,0,0), 
              sex=c(0,0,0,0,1,1,1)) 
# Fit a stratified model 
m1 <- coxph(Surv(time, status) ~ x + strata(sex), test1) 

tmp1 <- data.frame(
  time = 0:4, 
  status=0, 
  x = 1, 
  sex = 0)

tmp1$fit <- predict(m1, newdata=tmp1, type="survival")

ggplot(tmp1, aes(x=time, y=fit)) + 
  geom_line() + 
  geom_point() + 
  theme_classic()

下面，我们选择不同的x值，生成预测并将数据与上面的预测数据放在一起。 如果您愿意，这可以一步完成。

tmp2 <- data.frame(
  time = 0:4, 
  status=0, 
  x = 2, 
  sex = 0)

tmp2$fit <- predict(m1, newdata=tmp2, type="survival")

tmp <- rbind(tmp1, tmp2)

现在，我们可以对同一个 plot 进行两组预测 plot。

ggplot(tmp, aes(x=time, y=fit, colour=as.factor(x))) + 
  geom_line() + 
  geom_point() + 
  theme_classic() + 
  labs(colour="X")

^{由reprex package (v2.0.1) 创建于 2022-04-29}