无法使用ggsurvplot从列表中使用幸存对象绘制kaplan-meier曲线

Question

我试图使用来自survminer包的ggsurvplot绘制Kaplan-Meyer曲线。当我传递保存在列表中的幸存对象时，我无法绘制它。

让我以肺数据集为例。一切都在下面工作：

library("survival")
library("survminer")
fit <- survfit(Surv(time, status) ~ sex, data = lung)
ggsurvplot(fit,
          conf.int = TRUE,
          risk.table.col = "strata", 
          palette = c("#E7B800", "#2E9FDF"),
          xlim = c(0, 600))

现在我对两个变量进行了生存，并将模型结果保存在列表中。然后尝试用ggsurvplot制作KM情节。

vars <- c('sex', 'ph.ecog')
l<- map (vars, ~survfit(Surv(time, status)~ get(.x),data = lung ))
l<- set_names(l, vars)
ggsurvplot(l$sex,
          conf.int = TRUE,
          risk.table.col = "strata", 
          palette = c("#E7B800", "#2E9FDF"),
          xlim = c(0, 600))

我收到如下错误消息：

Error in eval(inp, data, env) : object '.x' not found

有人知道为什么吗？我该如何解决这个问题？非常感谢！

Answer 1

首先需要加载所需的包或包。我想这些天很多用户都认为运行R意味着每个人都被假定有适当的整数，但事实并非如此。

 library(tidyverse)
 # run both your code segments, since you will need a small piece of first one
str(l$sex)
List of 14
 $ n        : int [1:2] 138 90
 $ time     : num [1:206] 11 12 13 15 26 30 31 53 54 59 ...
 $ n.risk   : num [1:206] 138 135 134 132 131 130 129 128 126 125 ...
 $ n.event  : num [1:206] 3 1 2 1 1 1 1 2 1 1 ...
 $ n.censor : num [1:206] 0 0 0 0 0 0 0 0 0 0 ...
 $ surv     : num [1:206] 0.978 0.971 0.957 0.949 0.942 ...
 $ type     : chr "right"
 $ strata   : Named int [1:2] 119 87
  ..- attr(*, "names")= chr [1:2] "get(.x)=1" "get(.x)=2"
 $ std.err  : num [1:206] 0.0127 0.0147 0.0181 0.0197 0.0211 ...
 $ upper    : num [1:206] 1 0.999 0.991 0.987 0.982 ...
 $ lower    : num [1:206] 0.954 0.943 0.923 0.913 0.904 ...
 $ conf.type: chr "log"
 $ conf.int : num 0.95
 $ call     : language survfit(formula = Surv(time, status) ~ get(.x), data = lung)
 - attr(*, "class")= chr "survfit"

因此，当您看到strata“命名为”-attribute时，它有一个get( - 调用它，这似乎会阻碍ggsurvplot的逻辑。使用attr<-将其替换为更具信息性的内容（以及更少 - “语言-y”）。

attr(l[['sex']][['strata']], "names") <- c("sex=1", "sex=2")

那个表达式也在“call”-leaf中，所以你需要用更易处理的东西替换它。我认为通过用"call" leaf from the first fit`-object yoiu替换它很容易做到：

l$sex$call <- fit$call
ggsurvplot(l$sex,
          conf.int = TRUE,
          risk.table.col = "strata", 
          palette = c("#E7B800", "#2E9FDF"),
          xlim = c(0, 600))