35 生存分析可视化：`survminer`包绘制带风险表的“期刊级”生存曲线

35.1 【导语】万事之源：为何要这样做？

在转化医学与临床研究中，一个最核心的科学问题是：“我们发现的某个分子指标（例如，某个基因的表达高低），是否与病人的生存预后存在显著的关联？”。生存曲线，特别是Kaplan-Meier曲线，其本质就是为了回答这个问题而设计的、一种强大的视觉与统计工具。它将被研究的队列，根据我们感兴趣的指标分为两组或多组，并以一种极其直观的图形化方式，展示出这几组病人的生存概率，随时间流逝而发生变化的动态轨迹。

生存分析是连接基础分子机制研究与临床应用表型的最重要、最直接的桥梁之一。因此，学习如何绘制一张统计严谨、信息完整、符合学术发表规范的生存曲线图，其目标不仅仅是作图，更是为你来之不易的研究成果，提供一份关于其“临床转化潜力”的最直观、最有力的证据。

35.2 【核心实践】从原理到决策

35.2.1 【第一步：数据准备的“黄金标准”】

任何成功的生存分析，都始于一份结构清晰、信息完备的数据表。

输入数据：一个标准的R data.frame，其中必须包含三列核心信息：

第一，生存时间（time）：例如，总生存期（OS.time）或无进展生存期（PFS.time），这是一个数值型变量。

第二，生存结局（status）：这是一个二进制变量，用于记录病人在随访终点时的状态，通常编码为 0 = 存活，1 = 死亡或事件发生。

第三，分组变量（group）：这是一个因子或字符型变量，代表了你希望比较的组别，例如根据某个基因的表达量，将病人划分为'High'或'Low'组。

分组决策：如何科学地定义基因表达的“高/低”组，是一项关键决策。常用策略包括：以“中位数”（median）为界，这是最常用且稳健的方法；以“四分位数”（quartiles）为界，可以比较表达量最高25% vs. 最低25%的极端群体；或使用survminer包提供的surv_cutpoint函数，让算法自动寻找能够最大化两组生存差异的最佳分割点。无论你选择哪种方法，都必须在论文的方法部分进行明确的说明。

35.2.2 【第二步：构建`Surv`对象与`survfit`拟合】

Surv(time, status)：这是survival包的基础函数，它的决策，是将你的“生存时间”和“生存结局”这两列独立的变量，打包成一个专业的、能够被后续所有生存分析函数所理解的“生存对象”。

survfit(Surv(time, status) ~ group, data = df)：这是进行Kaplan-Meier生存估计的核心步骤。~ group这个公式，是在明确地指示survfit函数：“请根据df数据框中的group变量，为每一个组别，独立地拟合一条生存曲线”。

35.2.3 【第三步：`ggsurvplot()`的“一站式”专业绘图】

survminer包的ggsurvplot()函数，是绘制期刊级生存曲线的终极解决方案。

## 期刊级别的生存曲线绘图
ggsurvplot(
## survfit 对象
  fit,
## 数据框
  data = df,
## 显示 p 值
  pval = TRUE,
## 显示置信区间  
  conf.int = TRUE,
## 显示风险表
  risk.table = TRUE,
## 图例标签
  legend.labs = c("High", "Low"),
## 曲线颜色
  palette = c("red", "blue")
)

核心参数决策： pval = TRUE：在图上直接显示log-rank检验的P值。这是对“两组生存曲线是否存在显著差异”这一核心假设进行检验的结果。

conf.int = TRUE：为生存曲线显示95%的置信区间。这是一个不可或缺的元素，它直观地展示了曲线估计的稳定性与不确定性范围。

risk.table = TRUE：在生存曲线的下方，添加一个“风险表”（At-risk table）。这张表格清晰地显示了在每个关键的时间点上，各个组别中还剩余多少“在观察中”的病人。这是高质量、信息完整的生存分析图的绝对标配，它能帮助读者评估数据在不同时间点的可靠性。

legend.labs, xlab, title：用于精细化地定制图例文字、坐标轴标签和图形标题，使其信息传达清晰、无歧义。

palette：用于手动指定分组的颜色，以确保其与你论文或报告的整体视觉风格保持统一。

35.3 【认知升维】常见的思维陷阱与对策

35.3.1 【思维陷阱一：“P值崇拜”】

新手在解读结果时，往往只关注p值是否小于0.05，而忽略了生存曲线本身的实际“分叉”程度和生物学意义。

其对策是，必须建立综合性的解读标准。一个真正有意义的、稳健的生存分析结果，应该同时满足：log-rank检验的p值显著，并且，两条生存曲线在图的中后期，表现出明显、持续的分离。如果p值显著，但两条曲线几乎重叠，或者仅仅在早期有一个微小的分离，那么其临床意义是存疑的。

35.3.2 【思维陷阱二：混淆不同的“生存终点”】

大型临床数据库（如TCGA）通常会提供多种类型的生存数据，例如OS (Overall Survival, 总生存期), PFI (Progression-Free Interval, 无进展区间), DSS (Disease-Specific Survival, 疾病特异性生存期)等。新手常常会混用这些数据，或不清楚它们的区别。

其对策是，必须清晰地理解几种核心生存终点的生物学含义。OS是最严格的终点，指从诊断到因任何原因死亡的时间。PFI则更关注肿瘤的进展，指从诊断到肿瘤复发、转移或死亡的时间。DSS则只考虑因该特定疾病导致的死亡。在你的分析和论文写作中，必须明确、严谨地指出你所使用的是哪一种生存终点，因为它们回答的科学问题是截然不同的。

35.4 【总结与拓展】构建你的思维框架

我们必须将生存分析的整个过程，视为一次严谨的“临床证据的构建”工程。在这个框架中，你的核心任务，是通过科学的数据分组、正确的统计模型拟合以及专业的图形信息展示，来系统性地检验一个你感兴趣的分子指标，是否具备潜力，成为一个能够预测病人预后的、可靠的“生物标志物”(Biomarker)。

基于此框架，请思考一个能够将你的分析能力推向更高层次的启发性问题：你通过上述分析，兴奋地发现基因X的高表达，与病人的总生存期（OS）呈现出极显著的负相关（p < 0.001）。然而，一位经验丰富的审稿人可能会质疑：这种观察到的相关性，会不会仅仅是由其他已知的、强大的临床预后因素（例如，病人的年龄、癌症的临床分期）所“混淆”的？你将如何利用更高级的统计模型（例如，Cox比例风险模型），来校正这些潜在混杂因素的干扰，从而更严谨地、令人信服地证明，你的基因X是一个“独立”于已知临床指标的、全新的预后预测因子？

探索生命科学前沿，提升实战技能！欢迎微信搜索并加入「生信实战圈」，获取最新技术干货、实战案例与行业动态。点击关注，与同行一起成长！