在临床研究中,生存曲线(又称Kaplan-Meier曲线)是最常用图片之一,旨在描述各组患者的生存状况。一张漂亮的、专业的生存曲线图不仅可以令编辑、读者和审稿专家眼前一亮,同时也能为论文增色不少。然而,对于一些新手而言,生存曲线却显得十分陌生,不知道为何要绘制生存曲线,也不知道该如何解读生存曲线的结果。
如何解读生存曲线呢?文章源自设计学徒自学网-https://www.sx1c.com/52022.html
(1)对于生存曲线,样本量越大,生存曲线越平滑,误差越小。文章源自设计学徒自学网-https://www.sx1c.com/52022.html
(2)一般而言,两条曲线之间的距离越大(分叉越大),说明两组患者预后(终点事件发生率)的差别越大,也越容易做出统计学差异。其实这个和t检验差不多:两组数据的均数差异越大,越容易有统计学差异。丢塔游戏网www.diuta.com文章源自设计学徒自学网-https://www.sx1c.com/52022.html
(3)随访时间越长,越容易做出统计学差异。这个问题其实也很好理解,一个极端的比方就是,在上述sST2例子中,假定随访时间为1天,而非400天,两组患者生存率的差异显然是没有统计学意义的。国际上,随访时间越长的研究越容易发表在高水平的杂志上,原因与此有关。文章源自设计学徒自学网-https://www.sx1c.com/52022.html
(4)样本量越大,越容易做出统计学差异。样本量越大,误差(标准误)越小,当然越有统计学意义。其实这相当于在t检验中,两组数据的标准差越小,当然越容易得到阳性统计学结果。文章源自设计学徒自学网-https://www.sx1c.com/52022.html
(5)生存曲线与X轴有交叉,并不意味着研究对象全部死亡(发生终点事件)。实际上,在生存曲线中,每一个时间点上只要有病人死亡(或者发生终点事件),曲线就会下降一定的幅度。(参考知乎oriRNA)文章源自设计学徒自学网-https://www.sx1c.com/52022.html
接下来,我们就用Graphpad prism9,和大家一起看看如何绘制生存曲线。文章源自设计学徒自学网-https://www.sx1c.com/52022.html
1. Survival curve-生存曲线文章源自设计学徒自学网-https://www.sx1c.com/52022.html
在有关差异表达基因和生物标志物模型分析中,经常会见到生存曲线分析。文章源自设计学徒自学网-https://www.sx1c.com/52022.html
(1)创建文章源自设计学徒自学网-https://www.sx1c.com/52022.html
(2)写入/导入数据
(3)Graphs
(4)结果,治疗组与对照组没有显著性差异。
(5)调整后的Graphs
双击图,弹出如下窗口,就可以编辑line的颜色等等。
(6)双击Y轴添加参考线。大多数研究会讨论中位生存时间。
双击Y轴,在”Additionalticks and grid lines“中写入0.5 (如果开始作图时选择”Percents“这里应写入50)点选 TickLine在Details按钮中选择参考线的颜色和线型即可。同样,也可以去添加X轴的参考线。
评论