p值保留3位小数library(survival) library(survminer) my_data <- read.csv(file="D:/SCI/新建文件夹/原始数据- K-M-1 -0.75.csv") my_surv <- Surv(time = my_data$interval, event = my_data$MACE) ggsurvplot(survfit(my_surv ~CACS.grade, data = my_data), data = my_data, legend.title = "CACs",# 改变图例名称 legend.labs = c("0", "0<CACs≤10", "10<CACs≤100","100<CACs≤400", ">400"), # 改变图例标签 xlab = "Months", # 设置x轴标签 ylab = "Survival Probability",# 设置y轴标签 pval = TRUE,# 在图上添加log rank检验的p值 pval.size = 3, censor.shape = 124,censor.size = 2, #conf.int = TRUE, #置信区间 risk.table = TRUE,# 在图下方添加风险表 tables.height = 0.2, tables.theme = theme_cleantable(), risk.table.col = "strata",# 根据数据分组为风险表添加颜色 linetype = "strata",# 改变不同组别的生存曲线的线型 #surv.median.line = "hv", # 标注出中位生存时间 #palette = c("blue", "darkred"),# 图形颜色风格 break.time.by = 10,# 将x轴按照间隔进行切分 risk.table.y.text.col = TRUE, # 设置风险表的文字颜色 risk.table.y.text = FALSE, # 以条柱展示风险表的标签，而非文字 #ncensor.plot = TRUE, # 展示随访过程中不同时间点死亡和删失的情况 main = "Survival curve", font.main = c(16, "bold", "darkblue"), font.x = c(14, "bold.italic", "black"), font.y = c(14, "bold.italic", "black")) summary(my_surv)

这段代码使用了R语言中的survival和survminer库来进行生存分析。首先，它从CSV文件中读取了数据，并创建了一个Surv对象来表示生存时间和事件信息。然后，它使用ggsurvplot函数绘制了生存曲线图，并进行了一些定制化的设置。

在绘制的生存曲线图中，x轴表示时间（以月为单位），y轴表示生存概率。曲线根据CACS.grade变量分组，每个组别对应不同的生存曲线。图例中显示了不同组别的标签，风险表显示了每个组别的风险情况。

此外，代码还设置了显示log rank检验的p值，并调整了其他一些图形和文字的属性。

最后，代码使用summary函数对Surv对象进行了汇总。

相关问题

library(survival) my_data <- read.csv(file="D:/1/PCAT与NAFLD/490人3PCAT.csv") my_surv <- Surv(time = my_data$time, event = my_data$MACE)按照以上要求续写代码，

survfit_object <- survfit(my_surv)

final_percent <- summary(survfit_object)$surv

confidence_interval <- conf.int(survfit_object)

在你的代码中，你已经导入了survival包并读取了一个名为"my_data"的CSV文件。接下来，你可以使用这个数据创建一个生存对象，计算KM生存曲线的最终百分率和95%可信区间。

library(survival)

my_data <- read.csv(file="D:/1/PCAT与NAFLD/490人3PCAT.csv")

my_surv <- Surv(time = my_data$time, event = my_data$MACE)

survfit_object <- survfit(my_surv)

final_percent <- summary(survfit_object)$surv

confidence_interval <- conf.int(survfit_object)

请注意，你需要根据实际的数据文件路径和对应的生存时间和事件发生情况的列名进行调整。以上代码将计算给定数据的KM生存曲线的最终百分率和95%可信区间。

R版本4.23.导入数据集 my_data <- read.csv(file="D:/5放射诊断/R生存分析/nafld.csv")，,时间是time，事件是MACE，依据NAFLD进行分类，绘制生存曲线

好的，我会解答您的问题。首先，您可以按照以下步骤导入数据集并绘制生存曲线：

1. 导入必要的库

library(survival)
library(survminer)

2. 读取数据集

my_data <- read.csv(file="D:/5放射诊断/R生存分析/nafld.csv")

3. 对数据集进行处理，将NAFLD进行分类

# 将NAFLD分类为有和无两类
my_data$NAFLD <- ifelse(my_data$NAFLD == "Yes", "有", "无")

4. 创建生存对象

# 创建生存对象
my_surv <- Surv(time = my_data$time, event = my_data$MACE)

5. 绘制生存曲线

# 绘制生存曲线
ggsurvplot(survfit(my_surv ~ NAFLD, data = my_data), 
           data = my_data, 
           pval = TRUE,
           conf.int = TRUE,
           risk.table = TRUE,
           palette = "jco",
           legend.title = "NAFLD",
           xlab = "Time",
           ylab = "Survival Probability",
           ggtheme = theme_gray())

以上就是绘制生存曲线的完整步骤，您可以根据您的具体需求对图形进行一些自定义的调整。希望对您有所帮助！