Stata做生存分析：K-M曲线绘制和Logrank检验_统计与绘图_实用技巧

对于生存数据，1958年，E. L. Kaplan 和 Paul Meier 两位教授介绍了一种全新的、解决随访期间右删失 (right censoring) 问题的生存分析方法，被称作Kaplan-Meier方法。这种方法精确地记录并利用每个个体发生终点事件的具体时间，在任何一个终点事件发生的时间点计算出一个新的、基于之前所有信息的总生存率 (Cumulative survival) 。

相比于之前使用的寿命表法（Life-table method），这种方法更加充分地利用了信息，给出更准确的统计量。同时，作为一种非参数估计方法，不要求总体的分布形式，因此非常适合生存分析时使用。Kaplan-Meier 曲线(简称K-M曲线) 还可以很直观地表现出两组或多组的生存率或死亡率，非常适合在文章中进行展示。因此，K-M曲线也成为了临床研究中最常用的方法之一。

Why Stata?

Stata软件在进行生存分析的过程中具有很强大的功能。无论是 K-M曲线，还是Cox回归分析，甚至是一些更加复杂的参数分析，Stata都可以轻松完成。

相比于SPSS，Stata的可重复性更强，图像更加美观；而相比于R语言，Stata的代码又更加简便、易懂、上手快，甚至可以完全使用窗口菜单完成，非常适合有科研追求的医生入门。

今天，我们就一起来学习一下生存分析中的第一步、也是最重要的步骤之一：K-M曲线的绘制和Logrank检验。

我们将使用Stata自带的一个模拟的药物临床试验的数据集进行所有的演示，请大家在Command对话框中输入webuse drugtr以调入这个数据集。

屏幕显示：

请注意：Stata已经将这个数据集设置成了生存数据的格式，导入数据集后，请大家首先输入stset, clear命令恢复成普通的数据格式。这样才是我们在临床研究中见到的数据结构，我们将在Step 2中学习如何将其转换成生存数据格式。

Step 1

数据集的初步观测

首先，我们来观察一下数据集。大家可以在command line中输入list 查看所有数据，也可以输入list in 5/10查看第5到第10个观测值，屏幕显示：

下载.jpeg

我们可以看到，在这个数据集中，共有4个变量：studytime, died, drug, age。大家可以在command line中输入“codebook+空格+变量名字”，查看变量的标签、范围、是否有缺失值等基本特征。例如我们输入codebook drug, 屏幕显示：

下载 (1).jpeg

我们可以看到共有48个数据，不重复的值有两个，分别是0 (安慰剂，从第一行的标签"Drug type (0=placebo)"看出来) 或 1 (试验药)，没有缺失值。

同理，我们可以查看其它4个变量： studytime (标签：Months to death or end of exp. ，代表了这位患者的随访时间)，died (标签：1 if patient died), age (标签： Patient's age at start of exp.)。

在基本了解数据后，我们可以正式开始数据分析了。

Step 2

声明数据为生存分析数据 & 数据再观测

Stata要求我们他这是一个生存分析的数据集，因此，我们需要至少告诉Stata如何判断终点事件(Failure variable)、如何判断随访时间(Time variable)。

在窗口菜单下，我们可以通过Statistics > Survival analysis > Setup and utilities > Declare data to be survival-time data找到如下的对话框。

下载 (2).jpeg

在Time variable一栏选择数据集中的 "studytime"变量，在failure event一栏选择数据集中的"died"变量，并在Failure values的框中输入1。若多个值代表终点事件的发生，我们也可以在Failure values一栏输入多个值，每个值之间用空格隔开。

你可能会注意到，在Main菜单界面上还有一栏"Multiple-record ID variable"。Stata默认数据集中的一行数据代表一位患者。而在某些研究中，一位患者可能会有多行数据，这一栏便是告诉Stata用哪个变量区分不同患者，通常选择数据集中代表患者ID的变量。然而，由于这种情况在实际的临床分析中并不常见，我们不详细阐述。在我们这个例子中，因为每个患者只有一行数据，我们可以不指定ID 。

点击OK后，屏幕上Results窗口内展示出如下画面。

下载 (3).jpeg

如果你愿意使用代码，或者希望你的合作者能够重复你的结果，请使用上图第一行的代码：stset studytime, failure(died==1)。这是你在窗口菜单操作时Stata在背后执行的命令，我们也可以直接输入这行命令得到相同结果。

我们可以看到一共有48个患者，31人发生终点事件，共有744段person-time，随访时间最长的人是t=39。

使用stsum以及stdescribe命令，我们可以得到更多的关于这个数据集的信息。请注意：必须要在指定数据集为生存分析数据集之后 (换句话说，stset之后才能使用任何其他的st开始的命令)。

屏幕显示：

下载 (4).jpeg

下载 (5).jpeg

通过sts list命令可以展示Stata绘制K-M曲线所用的表格，我们可以看到每一个时间节点上的at-risk的人数、发生终点事件的人数、失访的人数，以及总的生存率。我们只展示前5行。

下载 (6).jpeg

Step 3

K-M曲线的绘制

接下来，我们可以画K-M曲线。

在菜单栏中选择Statistics > Survival analysis > Graphs > Survivor and cumulative hazard functions，我们可以选择生存曲线(Function选项中Graph Kaplan-Meier survivor function) 或死亡曲线(Function选项中Graph Kaplan-Meier failure function)，并且可以在下方Grouping variables处选择按照drug的数值分组绘图。

下载 (7).jpeg

点击OK后，屏幕上会出现代码sts graph, by(drug)以及图像(下图)。

下载 (8).jpeg

这是最基本、最简单的K-M曲线形式，在Stata中，我们还可以做很多改变，让图像变得更美观，表达更多的信息。

例如，在刚刚 Graph the survivor and cumulative hazard functions的窗口菜单中，利用第二个标签页(if/in)可以对数据库进行符合某种条件的筛选。例如我们只关注age<50岁的人。

下载 (9).jpeg

点击OK后，屏幕上会出现代码sts graph if age<50, by(drug) 以及图像(下图)。

下载 (10).jpeg

利用第三个标签页(At-risk table)勾选Show at-risk table beneath graph (截图省略)，可以在x轴下方显示每个时间节点上at-risk的人数，便于读者更好了解K-M曲线在某一时间节点下降的原因。点击OK后，屏幕上会出现代码sts graph, by(drug) risktable以及图像(下图)。

640 (1).png

如果把代码中的risktable改成atrisk，我们可以将每个时间点at risk的人数直接标记在曲线上。下图代码: sts graph, by(drug) atrisk

利用剩下的几个标签页，我们还可以增加置信区间(CI)、更改坐标轴标签(Y axis & X axis)、标签(Legend)、标题(Titles), 图像整体风格(Overall)等等，大家可以自己点击操作进行尝试。我们在此通过代码做一个示范，大家可以根据需要更改代码的内容，适应自己的研究需要 (下列图像选项都可以不用代码，而通过窗口菜单完成)。

640 (2).png

这张图的代码是：

label define drug_label 0 "安慰剂" 1 "试验药"

label values drug drug_label

sts graph, by(drug) ci atrisk xlabel(0(5)40) ylabel(0(0.2)1) legend(cols(2)) xtitle("x轴的标签") ytitle("y轴的标签") title("这里是标题") subtitle("这里是副标题") caption("这里是注释") note("这里可以写数据来源")

解释：

代码第1~2 行：定义一个名为drug_label的标签(你可以随意取名字)，让数值为0标记为“安慰剂”，数值1标记为“试验药”。用这个标签去把drug这个变量的数值标记成“安慰剂”或者“试验药”。

请注意：代码第1、2行也可以通过Data > Variables Manager来通过窗口菜单操作：

下载 (11).jpeg