调整性别后绘制生存曲线

Question

我有一个数据集，其中包含经过/未经过处理的样本以及他们的死亡年龄和性别。所有样品都死了。我想测试治疗方法是否会影响生存。

数据集df如下所示

  FID gender age_at_death treatment event
1 101 female      46  Y     1
2 102 female      65  Y     1
3 103   male      73  Y     1
4 104   male      74  N     1
5 105 female      56  N     1
6 106   male      57  N     1

下面是我的代码，用于测试治疗是否会影响生存：

library(survminer)    
surv_obj <- Surv(time=df$age_at_death, event=df$event)
fit <- survfit(surv_obj ~treatment, data=df)
ggsurvplot(fit, data = df, pval = TRUE, title = "test" )

不同治疗组的生存图

但是性别是一个非常重要的共同变体（女性通常比男性活得更长），因此我想适应性别。但是下面的代码给了我4条生存曲线。我想要的是根据性别调整的两条曲线（治疗与非治疗）。

fit1 <- survfit(surv_obj ~treatment + gender, data=df)
ggsurvplot(fit, data = df, pval = TRUE, title = "test" )

fit2 <- coxph( Surv(time=df$age_at_death, event=df$event) ~ treatment, data = df )
ggadjustedcurves(fit2, data = df)

这只会给出一条曲线。

fit3 <- coxph( Surv(time=df$age_at_death, event=df$event) ~ treatment +strata(gender), data = df )
ggadjustedcurves(fit3, data = df)

这给出了男女曲线。

我想要的数字类似于此示例：

“在调整了年龄，性别，种族，可疑影响B27测试和死亡率的疾病之后”。他们对相当多的协变量进行了调整，并对B27 +和B27-的生存期进行了调整（矿井已处理与未处理）。

任何帮助将不胜感激！