＃風(fēng)險(xiǎn)表也需要分割

＃每一個(gè)facet plot item對(duì)應(yīng)一個(gè)風(fēng)險(xiǎn)表，水平垂直都分割ggsurv＄table ＋ facet＿grid（rx ～ adhere， scales ＝ ＂free＂）＋  theme（legend．position ＝ ＂none＂）

�；蛘撸�每一個(gè)facet columns對(duì)應(yīng)一個(gè)風(fēng)險(xiǎn)表，只分割垂直方向tbl＿facet ＜－ ggsurv＄table ＋ facet＿grid（．～ adhere， scales ＝ ＂free＂）tbl＿facet ＋ theme（legend．position ＝ ＂none＂）

＃最終合并分割后生存曲線和風(fēng)險(xiǎn)表，主要應(yīng)用ggplot包的gridExtra函數(shù)

＃ 合并生存曲線和風(fēng)險(xiǎn)表g2 ＜－ ggplotGrob（curv＿facet）g3 ＜－ ggplotGrob（tbl＿facet）min＿ncol ＜－ min（ncol（g2）， ncol（g3））＃gridExtra：：gtable＿rbind表示合并表格g ＜－gridExtra：：gtable＿rbind（g2［， 1：min＿ncol］， g3［， 1：min＿ncol］， size＝＂last＂）g＄widths ＜－ grid：：unit．pmax（g2＄widths， g3＄widths）＃ 最終繪制于一張圖上grid：：grid．newpage（）grid：：grid．draw（g）

＃因圖片偏大，建議自行運(yùn)行代碼查看

3．主要函數(shù)arrange＿ggsurvplots （）

3．1用法：

arrange＿ggsurvplots（x， print ＝ TRUE， title ＝ NA， ncol ＝ 2，     nrow ＝ 1， surv．plot．height ＝ NULL， risk．table．height ＝ NULL，     ncensor．plot．height ＝ NULL， ．．．）

3．2 參數(shù)詳解：

參數(shù)用法xggsurvplots的列表print邏輯值。如果為TRUE，則顯示排列的圖title圖片的標(biāo)題。默認(rèn)值為NAsurv．plot．height網(wǎng)格上生存點(diǎn)的高度，默認(rèn)：0．75risk．table．height網(wǎng)格上風(fēng)險(xiǎn)表的高度，默認(rèn)值為0．25，當(dāng)risk．table＝FALSE時(shí)忽略ncensor．plot．height刪失點(diǎn)的高度，當(dāng) ncensor．plot ＝ TRUE時(shí)使用3．3 示例：
＃ 從lung數(shù)據(jù)庫和colon數(shù)據(jù)庫中分別構(gòu)建兩個(gè)生存曲線fit1＜－ survfit（Surv（time， status） ～ sex， data ＝ lung）fit2＜－ survfit（Surv（time， status） ～ adhere， data ＝ colon）＃ 圖1選擇fit1，圖2選擇fit2，先分別畫圖splots ＜－list（）splots［［1］］ ＜－ ggsurvplot（fit1， data ＝ lung， risk．table ＝ TRUE，                           ggtheme ＝ theme＿minimal（））splots［［2］］＜－ ggsurvplot（fit2， data ＝ colon， risk．table ＝ TRUE，                           ggtheme ＝ theme＿grey（））＃ 合并在同一張圖中arrange＿ggsurvplots（splots， print ＝ TRUE，                    ncol ＝ 2， nrow ＝ 1， risk．table．height ＝ 0．4）

＃ 也可以不輸出，直接保存pdf格式在指定文件夾res ＜－ arrange＿ggsurvplots（splots， print ＝ FALSE）ggsave（＂myfile．pdf＂， res）

4．主要函數(shù)ggcoxzph（）

4．1 用法：

ggcoxzph（fit， resid ＝ TRUE， se ＝ TRUE， df ＝ 4， nsmo ＝ 40， var，       point．col ＝ ＂red＂， point．size ＝ 1， point．shape ＝ 19，       point．a(chǎn)lpha ＝ 1， caption ＝ NULL， ggtheme ＝ theme＿survminer（）， ．．．）

4．2 參數(shù)：

參數(shù)作用fitcox．zph類對(duì)象resid邏輯值，如果為TRUE，則殘差和擬合度包括在繪圖中se如果邏輯值為TRUE，則將在兩個(gè)標(biāo)準(zhǔn)誤差處添加置信區(qū)間df擬合曲線的自由度，df＝2，表示線性擬合nsmo用來畫擬合的樣條平滑曲線點(diǎn)的數(shù)目4．3 示例：
＃依舊使用 lung數(shù)據(jù)＃ 行cox回歸和ph檢驗(yàn)fit ＜－ coxph（Surv（time， status） ～ sex ＋ age， data ＝ lung）ftest ＜－ cox．zph（fit）＃ 查看cox回歸整體模型ftest

＃畫所有變量ggcoxzph（ftest）

＃ 用指定變量順序和變量畫圖，font．main標(biāo)題的字體樣式ggcoxzph（ftest， var ＝ c（＂age＂， ＂sex＂）， font．main ＝ 10）

＃Cox模型Ph檢驗(yàn)圖看法：（以上圖結(jié)果為例）

cox回歸模型cox．zph．fit，模型的整體檢驗(yàn)P值（GLOBAL）是0．194，大于0．05，說明模型整體滿足PH檢驗(yàn)。從上圖可以看出，二個(gè)變量的P值均大于0．05，說明每個(gè)變量均滿足PH檢驗(yàn)。上圖中實(shí)線是擬合的樣條平滑曲線（黑色實(shí)線），虛線表示擬合曲線上下2個(gè)單位的標(biāo)準(zhǔn)差（黑色虛線）。如果殘差曲線（紅色的點(diǎn)）偏離2個(gè)單位的標(biāo)準(zhǔn)差則表示不滿足比例風(fēng)險(xiǎn)假定。從上圖中可見，各協(xié)變量滿足PH風(fēng)險(xiǎn)假設(shè)。?正常情況下，以上Schoenfeld殘差（圖中紅色的點(diǎn)）應(yīng)該與時(shí)間無關(guān)，如果殘差與時(shí)間有相關(guān)趨勢(shì)，則違反PH假設(shè)的證據(jù)。殘差圖上，橫軸代表時(shí)間，如果殘差均勻的分布，則表示殘差與時(shí)間相互獨(dú)立。

5．小結(jié)

   當(dāng)然，實(shí)現(xiàn)生存分析可視化的方法還有很多，比如：SPSS、Graphpad Prism等多種作圖工具，小伙伴們可以依據(jù)自己的愛好自行選擇哦。