• 主页
  • 课程

    关于课程

    • 课程归档
    • 成为一名讲师
    • 讲师信息
    同等学历教学

    同等学历教学

    免费
    阅读更多
  • 特色
    • 展示
    • 关于我们
    • 问答
  • 事件
  • 个性化
  • 博客
  • 联系
  • 站点资源
    有任何问题吗?
    (00) 123 456 789
    weinfoadmin@weinformatics.cn
    注册登录
    恒诺新知
    • 主页
    • 课程

      关于课程

      • 课程归档
      • 成为一名讲师
      • 讲师信息
      同等学历教学

      同等学历教学

      免费
      阅读更多
    • 特色
      • 展示
      • 关于我们
      • 问答
    • 事件
    • 个性化
    • 博客
    • 联系
    • 站点资源

      未分类

      • 首页
      • 博客
      • 未分类
      • R-forestplot包| HR结果绘制森林图

      R-forestplot包| HR结果绘制森林图

      • 发布者 一览
      • 分类 未分类
      • 日期 2020年3月8日
      • 评论 0评论

      参考:https://mp.weixin.qq.com/s?__biz=MzIyNDI1MzgzOQ==&mid=2650394301&idx=1&sn=c718eef835520d589a2a5c756deb6ece&chksm=f01cac5dc76b254bc58a6e3fd93d7013b2c87a2a59183d2de676ce9b60358f68f1140e7be5b8&scene=21#wechat_redirect

      上一篇简单的介绍了COX生存分析结果绘制森林图Forest plot(森林图) | Cox生存分析可视化,本文将介绍根据数据集合的基本信息以及点估计值(置信区间区间)的结果直接绘制森林图的方法。

      其中点估计值(置信区间)的结果可以是COX也可以是logistic回归等其他方法的结果,适用范围更广。

      数据准备

      #载入R包
      library(forestplot)
      #数据来源:https://www.r-bloggers.com/forest-plot-with-horizontal-bands/
      data <- read.csv("ForestPlotData.csv", stringsAsFactors=FALSE)
      #查看数据
      head(data)


      绘制森林图

      2.1 简单森林图

      对数据进行部分修改,方便行名和列名字输出

      ## 构建tabletext,更改列名称,展示更多信息
      np <- ifelse(!is.na(data$Count), paste(data$Count," (",data$Percent,")",sep=""), NA)
       
      ## The rest of the columns in the table.
      tabletext <- cbind(c("Subgroup","\n",data$Variable),
                         c("No. of Patients (%)","\n",np),
                         c("4-Yr Cum. Event Rate\n PCI","\n",data$PCI.Group),
                         c("4-Yr Cum. Event Rate\n Medical Therapy","\n",data$Medical.Therapy.Group),
                         c("P Value","\n",data$P.Value))
      ##绘制森林图
      forestplot(labeltext=tabletext, graph.pos=3,
               mean=c(NA,NA,data$Point.Estimate),
               lower=c(NA,NA,data$Low), upper=c(NA,NA,data$High),
        boxsize=0.5)

      如上图所示基本信息OK了,但是可以在以下几个方面进行优化:

      • 添加线条,区分Subgroup
      • 更改箱线图的宽度,颜色和大小
      • 更改字体大小,更易区分
      • 添加标题和横坐标轴标示

      2.2 优化森林图

      ## 定义亚组,方便后面线条区分
      subgps <- c(4,5,8,9,12,13,16,17,20,21,24,25,28,29,32,33)
      data$Variable[subgps] <- paste("  ",data$Variable[subgps])
      
      forestplot(labeltext=tabletext,
               graph.pos=3, #为Pvalue箱线图所在的位置
               mean=c(NA,NA,data$Point.Estimate),
               lower=c(NA,NA,data$Low), upper=c(NA,NA,data$High),
               #定义标题
                title="Hazard Ratio Plot",
               ##定义x轴
               xlab="    <---PCI Better---   ---Medical Therapy Better--->",
               ##根据亚组的位置,设置线型,宽度造成“区块感”
               hrzl_lines=list("3" = gpar(lwd=1, col="#99999922"),
                               "7" = gpar(lwd=60, lineend="butt", columns=c(2:6), col="#99999922"),
                               "15" = gpar(lwd=60, lineend="butt", columns=c(2:6), col="#99999922"),
                               "23" = gpar(lwd=60, lineend="butt", columns=c(2:6), col="#99999922"),
                               "31" = gpar(lwd=60, lineend="butt", columns=c(2:6), col="#99999922")),
               #fpTxtGp函数中的cex参数设置各个组件的大小
                txt_gp=fpTxtGp(label=gpar(cex=1.25),
                               ticks=gpar(cex=1.1),
                               xlab=gpar(cex = 1.2),
                               title=gpar(cex = 1.2)),
               ##fpColors函数设置颜色
               col=fpColors(box="#1c61b6", lines="#1c61b6", zero = "gray50"),
               #箱线图中基准线的位置
               zero=1,
               cex=0.9, lineheight = "auto",
               colgap=unit(8,"mm"),
               #箱子大小,线的宽度
               lwd.ci=2, boxsize=0.5,
               #箱线图两端添加小竖线,高度
               ci.vertices=TRUE, ci.vertices.height = 0.4)

      如此即绘制完成了,颜色,大小,间隔等需要根据实际情况进行调整。

      请关注“恒诺新知”微信公众号,感谢“R语言“,”数据那些事儿“,”老俊俊的生信笔记“,”冷🈚️思“,“珞珈R”,“生信星球”的支持!

      • 分享:
      作者头像
      一览

      上一篇文章

      Forest plot(森林图) | Cox生存分析可视化
      2020年3月8日

      下一篇文章

      maftools|TCGA肿瘤突变数据的汇总,分析和可视化
      2020年3月8日

      你可能也喜欢

      2-1675088548
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      30 1月, 2023
      9-1675131201
      如何快速批量修改 Git 提交记录中的用户信息
      26 1月, 2023
      8-1678501786
      肿瘤细胞通过改变CD8+ T细胞中的丙酮酸利用和琥珀酸信号来调控抗肿瘤免疫应答。
      7 12月, 2022

      留言 取消回复

      要发表评论,您必须先登录。

      搜索

      分类

      • R语言
      • TCGA数据挖掘
      • 单细胞RNA-seq测序
      • 在线会议直播预告与回放
      • 数据分析那些事儿分类
      • 未分类
      • 生信星球
      • 老俊俊的生信笔记

      投稿培训

      免费

      alphafold2培训

      免费

      群晖配置培训

      免费

      最新博文

      Nature | 单细胞技术揭示衰老细胞与肌肉再生
      301月2023
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      301月2023
      如何快速批量修改 Git 提交记录中的用户信息
      261月2023
      logo-eduma-the-best-lms-wordpress-theme

      (00) 123 456 789

      weinfoadmin@weinformatics.cn

      恒诺新知

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      链接

      • 课程
      • 事件
      • 展示
      • 问答

      支持

      • 文档
      • 论坛
      • 语言包
      • 发行状态

      推荐

      • iHub汉语代码托管
      • iLAB耗材管理
      • WooCommerce
      • 丁香园论坛

      weinformatics 即 恒诺新知。ICP备案号:粤ICP备19129767号

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      要成为一名讲师吗?

      加入数以千计的演讲者获得100%课时费!

      现在开始

      用你的站点账户登录

      忘记密码?

      还不是会员? 现在注册

      注册新帐户

      已经拥有注册账户? 现在登录

      close
      会员购买 你还没有登录,请先登录
      • ¥99 VIP-1个月
      • ¥199 VIP-半年
      • ¥299 VIP-1年
      在线支付 激活码

      立即支付
      支付宝
      微信支付
      请使用 支付宝 或 微信 扫码支付
      登录
      注册|忘记密码?