主讲老师第四十九课：生存分析
下面，我们来看下一个十分常见的分析内容，生存分析和生存曲线的绘制（survival.zip）。我们使用文章里的数据，来看看如何绘制花式的生存曲线。在生存曲线绘制部分，我们还是介绍两个包的使用吧，到目前为止，大部分的内容，都介绍了两种及以上的方法，够大家挑选使用的了。下面，我们来看下如何绘制生存曲线图
1.数据的读取与整理
首先，我们把分析需要的数据读取进来。
1.1 读取 ESTIMATE 评分信息
1.2 读取生存信息
一个免疫评分文件，用于分组，一个生存信息文件。
接下来，我们合并得分以及生存信息
1.3 分组
整理到这里，还缺一个分组信息，对于分组操作，大家已经不陌生了。
分组并转换为因子，这步一定记得操作，不然两条生存曲线反了也是有可能的。课后大家可以把因子转换这步删掉，看下最后的结果，完全相反的结论table()一下，低的 251 例，高的 250 例，如果是一路学习到这里的，数据清洗的操作一般已经是没有问题的了，接下来，我们先看看如何使用基础包进行绘制。
2.生存分析
首先，我们需要使用 survival 包来进行统计计算。
这里，两个地方可以查看 p 值，第一个，直接查看 fitd。
可以看到 p 值为 0.03，当然，也可以进一步计算确切值。
2.2 拟合生存曲线
接下来，我们需要借助 survfit()函数对两条曲线进行拟合。
关于拟合结果，也可以直接使用 summary(fit)来进行查看。
3.绘制生存曲线
3.1 基础包绘制生存曲线
下面，我们一步步来进行绘制，逐个添加内容进去1). 绘制曲线2). 添加置信区间3). 设置颜色，坐标光秃秃的几条线，太丑了，我们接下来给他们添加颜色。
4). 添加标签这里，问题就来了，blue 和 red 分别是谁？这时候就显示出前面因子的作用了，blue对应 low，red 对应 high，如果不进行设置，它会字母排序对应，结果正好反一反，结论也就反一反了。搞清楚这一点对应关系后，我们来添加标签5). 添加 P 值首先，设置一个标签 p.lab，然后，再以文本的形式添加进去。
3.2 survminer 包绘制生存曲线
接下来，我们来看看另外一个包的绘制方法。
这里，我们来介绍一下 surviminer 包的使用方法，首先，使用默认参数，绘制一个简易的曲线。
因为这个包是在 ggplot2 和 ggpubr 的基础上进行构建的，因此其风格和 ggpubr 包还是比较类似的。
接下来，添加 P 值和 95%可信区间。
绘制到这里，和前面的基础包比较类似，然后，进一步添加内容，添加风险表格和中位生存时间线。
再进一步修改参数，设置 x 轴坐标及相关名称。
最后，和 ROC 部分一样，基于各种参数的综合，给出一个终极的版本。
学会了单一指标的生存分析后，接下来我们来看下如何进行批量的生存分析。