0

我正在编写一些 python 代码来使用KM Fitter做 Kaplan-Meier (KM) 曲线，并且通常在同一个图中绘制 4 条曲线来比较不同的组。获得 KM 曲线的基本方法是：

from lifelines import KaplanMeierFitter

#Create the KMF object
KM_curve = KaplanMeierFitter()

#Give data to object. Status is 0 if alive, 1 if deceased (in my case)
KM_curve.fit (durations=My_Data["Time"], event_observed=My_Data["Status"])

#I do a figure in which I use this line 4 times (one per group)
KM_curve.plot(ci_show=False)

有了这 4 行代码和一个 pandas 数据框（这里称为 My_Data），KM Fitter 会自动进行所有计算和绘图，但我想知道是否有人知道如何过早地停止曲线。我已经完成了大约 50 个不同的图表，它们看起来不错，并为我提供了我需要的信息，但有时某些曲线的最后一部分会急剧下降到 0%（垂直）或非常接近它。这很奇怪，因为我的 x 轴末端没有一个组有 0 个幸存者 [参见本例中的红线 https://i.stack.imgur.com/bn6Vy.png ]

我确实读过 KM 曲线很好地看到了中间部分的趋势，但曲线的最后一部分可能会产生误导，必须仔细检查。如果该组中没有足够的患者，则尤其如此，因此，生存百分比估计值急剧下降。从事生物信息学研究的人告诉我，她通常会在剩下 10% 的患者时停止绘制曲线，以防止出现此问题。是否可以在 python KMF 中做到这一点？

4

1 回答 1

1

有几种方法可以实现这一点：

1.

ax = KM_curve.plot(ci_show=False)
ax.set_xlim(0, <your upper limit here>)

KM_curve.plot(ci_show=False, loc=slice(0, <your upper limit here>))

在此处查看更多文档： httpsloc : //lifelines.readthedocs.io/en/latest/fitters/univariate/KaplanMeierFitter.html#lifelines.fitters.kaplan_meier_fitter.KaplanMeierFitter.plotiloc

于 2020-12-07T18:36:28.183 回答