估計並視覺化生存曲線
來看看乳癌患者的存活情形。
在這個練習中，我們會再次使用 GBSG2 資料集。
本練習已為你載入 survival 與 survminer 套件，以及 GBSG2 資料。
本練習屬於課程
R 的生存分析
練習說明
- 為乳癌患者估計存活函數。
- 使用
ggsurvplot()視覺化估計出的存活函數。 - 在圖中加入顯示受觀察患者人數的風險表。可使用
risk.table引數達成。 - 在圖中加入顯示中位存活時間的線。可使用
surv.median.line引數達成。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Kaplan-Meier estimate
km <- survfit(Surv(___, ___) ~ ___, data = ___)
# Plot of the Kaplan-Meier estimate
ggsurvplot(___)
# Add the risk table to plot
ggsurvplot(___, ___ = TRUE)
# Add a line showing the median survival time
ggsurvplot(___, ___ = TRUE, ___ = "hv")