【原】绘制cox生存分析结果的森林图

生信修炼手册 2022-05-30 发布于广东

展开全文

在之前meta分析的文章中我们介绍了森林图的画法，典型的森林图如下所示

每一行表示一个study，用errorbar展示log odds ratio值的分布，并将p值和m值标记在图中。森林图主要用于多个study的分析结果的汇总展示。

在构建预后模型时，通常会先对所有基因进行单变量cox回归，然后筛选其中显著的基因进行多变量cox回归来建模，对于cox回归的结果，每个基因也都会有一hazard ratio和对应的p值，也可以用森林图的形式来展现，比如NAD+的文献中就采用了这样的一张森林图

每一行表示一个变量，用errorbar展示该变量对应的风险值的大小和置信区间，并将风险值和p值标记在图上。

根据cox生存分析的结果绘制森林图有多种方式，使用survminer包的ggforest函数，是最简便的一种，代码如下

> library(survminer)> require("survival")> model <- coxph( Surv(time, status) ~ sex + rx + adhere,+                 data = colon )> modelCall:coxph(formula = Surv(time, status) ~ sex + rx + adhere, data = colon)

              coef exp(coef) se(coef)      z        psex       -0.04615   0.95490  0.06609 -0.698 0.484994rxLev     -0.02724   0.97313  0.07690 -0.354 0.723211rxLev+5FU -0.43723   0.64582  0.08395 -5.208 1.91e-07adhere     0.29355   1.34118  0.08696  3.376 0.000736

Likelihood ratio test=46.51  on 4 df, p=1.925e-09n= 1858, number of events= 920> ggforest(model)

效果图如下

这种方式确实出图简单，一步到位，但是提供的参数却很少，灵活性很小，基本上没法修改图中的元素，另外一种方式，就是使用forest这个R包，这个R包灵活性很大，通过调参可以实现很多自定义效果，基本用法如下

> row_names <- list(list("test = 1", expression(test >= 2)))> test_data <- data.frame(+   coef = c(1.59, 1.24),+   low = c(1.4, 0.78),+   high = c(1.8, 1.55)+ )> forestplot(+   labeltext = row_names,+   mean = test_data$coef,+   lower = test_data$low,+   upper = test_data$high,+   zero = 1,+   cex  = 2,+   lineheight = "auto",+   xlab = "Lab axis txt"+ )

效果图如下

虽然输出很简陋大，但是从基本用法可以看出，我们可以自定义变量名称，指定风险值的大小，这样我们只需要从cox回归的结果中提取我们需要绘图的元素进行绘制即可。

基本用法之外中添加的变量是单列注释，如果要实现文献中图片的多列注释效果，可以参考下面这个例子

> test_data <- data.frame(+   coef1 = c(1, 1.59, 1.3, 1.24),+   coef2 = c(1, 1.7, 1.4, 1.04),+   low1 = c(1, 1.3, 1.1, 0.99),+   low2 = c(1, 1.6, 1.2, 0.7),+   high1 = c(1, 1.94, 1.6, 1.55),+   high2 = c(1, 1.8, 1.55, 1.33)+ )>> col_no <- grep("coef", colnames(test_data))> row_names <- list(+   list("Category 1", "Category 2", "Category 3", expression(Category >= 4)),+   list(+     "ref",+     substitute(+       expression(bar(x) == val),+       list(val = round(rowMeans(test_data[2, col_no]), 2))+     ),+     substitute(+       expression(bar(x) == val),+       list(val = round(rowMeans(test_data[3, col_no]), 2))+     ),+     substitute(+       expression(bar(x) == val),+       list(val = round(rowMeans(test_data[4, col_no]), 2))+     )+   )+ )>> coef <- with(test_data, cbind(coef1, coef2))> low <- with(test_data, cbind(low1, low2))> high <- with(test_data, cbind(high1, high2))> forestplot(row_names, coef, low, high,+   title = "Cool study",+   zero = c(0.98, 1.02),+   grid = structure(c(2^-.5, 2^.5),+     gp = gpar(col = "steelblue", lty = 2)+   ),+   boxsize = 0.25,+   col = fpColors(+     box = c("royalblue", "gold"),+     line = c("darkblue", "orange"),+     summary = c("darkblue", "red")+   ),+   xlab = "The estimates",+   new_page = TRUE,+   legend = c("Treatment", "Placebo"),+   legend_args = fpLegend(+     pos = list("topright"),+     title = "Group",+     r = unit(.1, "snpc"),+     gp = gpar(col = "#CCCCCC", lwd = 1.5)+   )+ )