SCI 统计图制作全攻略：箱线图 / 散点图 / 生存曲线（肿瘤研究实战，R+SPSS 双教程）

在肿瘤学 SCI 论文中，统计图是结果表达的 “第二语言”。一张规范、清晰、符合期刊要求的图，既能直观展示研究发现，又能体现研究设计严谨性，显著提升审稿人好感与录用概率。

本文以肿瘤临床研究为真实场景，一次性系统讲透 SCI 最常用三大统计图：

• 箱线图：展示 3 组肿瘤患者 CEA 水平组间差异
• 散点图：展示肿瘤大小与 CEA 水平的相关性
• 生存曲线：展示不同分组患者的生存预后差异

全文提供：R (ggplot2/ggsurvplot) 完整可复现代码 + SPSS 逐步骤操作 + 300 dpi 高清导出 + 期刊格式规范 + 高频错误避坑，全程可直接照做、照抄、照用，适合临床医生零基础上手。

一、研究场景与目的（肿瘤研究通用模板）

• 研究对象：肿瘤患者
• 分组：3 组（对照组 / 低风险组 / 高风险组）
• 核心指标：
• 肿瘤标志物：CEA（ng/mL）
• 肿瘤大小（cm）
• 生存时间、生存状态
• 图形目的：

1. 箱线图：比较 3 组肿瘤患者 CEA 水平分布差异
2. 散点图：分析肿瘤大小与 CEA 水平的线性相关关系
3. 生存曲线：展示不同风险分组患者的生存结局差异

二、SCI 期刊图片统一规范（必须严格遵守）

1. 分辨率：≥ 300 dpi（低于 300 dpi 直接被拒图）
2. 文件格式：优先 TIFF，其次 PNG，不建议 JPG
3. 图形尺寸：宽度 8–12 cm，单栏 / 双栏图按期刊要求调整
4. 视觉风格：

• 无背景色、无网格线、无多余边框
• 字体统一：Arial 或 Times New Roman
• 线条清晰、粗细一致、配色简洁专业

1. 必备标注元素：

• 坐标轴名称 + 单位
• 图例（分组说明）
• 样本量 n
• 统计量：P 值 / 相关系数 r
• 生存曲线必须附带风险表

三、箱线图：3 组肿瘤患者 CEA 水平比较（组间差异）

（一）适用场景

用于展示多组连续变量的分布与差异，如：不同分期、分型、风险组的肿瘤标志物（CEA、CA199、AFP）、Ki-67、炎性指标等。

（二）R 语言 ggplot2 完整代码（可直接运行）

# 加载包

library(ggplot2)

# 构造演示数据（实际研究替换为自己数据即可）

set.seed(123)

dat <- data.frame(

group = factor(rep(c("Control", "Low", "High"), each = 50),

levels = c("Control", "Low", "High")),

CEA = c(rnorm(50, mean = 4, sd = 1.5),

rnorm(50, mean = 6, sd = 2),

rnorm(50, mean = 9, sd = 2.5))

)

# 绘制 SCI 风格箱线图

ggplot(dat, aes(x = group, y = CEA, fill = group)) +

geom_boxplot(width = 0.6, outlier.size = 1, outlier.alpha = 0.7) +

# 手动标注 P 值（根据实际统计结果替换）

annotate("text",

x = 2, y = 13,

label = "P < 0.001",

size = 4.5, fontface = "bold") +

labs(

x = "Group",

y = "CEA (ng/mL)",

title = "Comparison of CEA Level in Three Groups"

) +

theme_bw() +

theme(

panel.grid = element_blank(), # 去掉网格

legend.position = "none", # 不需要图例

plot.title = element_text(hjust = 0.5)

)

# 导出 300dpi TIFF 格式（期刊标准）

ggsave(

filename = "boxplot_CEA.tiff",

width = 10, height = 8, units = "cm",

dpi = 300,

device = "tiff"

)

（三）SPSS 操作步骤（从零到成品图）

1. 打开数据 → 点击顶部 图形 → 图表构建器
2. 从图库中选择 箱线图 → 拖拽简单箱线图到画布
3. X 轴放入 分组变量，Y 轴放入 CEA
4. 点击 确定 生成初步图形
5. 双击图形进入编辑模式：

• 删除背景色、删除网格线
• 设置坐标轴名称与单位
• 调整线条与颜色
• 使用 “文本工具” 手动添加 P 值

1. 导出图片：文件 → 导出 → 选择 TIFF/PNG，设置分辨率 300 dpi

四、散点图：肿瘤大小与 CEA 相关性（带趋势线）

（一）适用场景

用于展示两个连续变量之间的线性相关关系，如：肿瘤大小与标志物、浸润深度与淋巴结转移、年龄与免疫指标等。

（二）R 语言 ggplot2 完整代码

library(ggplot2)

# 构造演示数据

set.seed(123)

dat2 <- data.frame(

size = runif(150, min = 2, max = 10), # 肿瘤大小

CEA = 0.8*runif(150,2,10) + rnorm(150, 0, 1.2)

)

# 绘制带趋势线的散点图

ggplot(dat2, aes(x = size, y = CEA)) +

geom_point(size = 1.5, alpha = 0.7) +

# 添加线性回归趋势线

geom_smooth(method = "lm", se = TRUE, color = "red", linewidth = 0.8) +

# 标注相关系数与 P 值

annotate("text",

x = 6, y = 12,

label = "r = 0.68, P < 0.001",

size = 4.5, fontface = "bold") +

labs(

x = "Tumor Size (cm)",

y = "CEA (ng/mL)"

) +

theme_bw() +

theme(

panel.grid = element_blank()

)

# 导出高清图

ggsave("scatter_correlation.tiff",

width = 10, height = 8, units = "cm", dpi = 300)

（三）关键要点

1. 趋势线使用 method = "lm"（线性回归）
2. 必须标注：相关系数 r + P 值
3. 去掉背景与网格，保持 SCI 极简风格

五、生存曲线：肿瘤患者预后（SCI 标准风格）

（一）适用场景

肿瘤研究必备图形，用于展示不同分组的生存差异，如：不同分期、分型、基因突变、治疗方案的预后比较。

（二）R 语言 ggsurvplot 完整代码

library(survival)

library(survminer)

# 构造生存数据

set.seed(123)

surv_dat <- data.frame(

time = rexp(150, rate = 0.1), # 生存时间

status = sample(0:1, size = 150, replace = TRUE), # 生存状态

group = factor(rep(c("Control", "Low", "High"), each = 50))

)

# 拟合 Kaplan-Meier 曲线

fit <- survfit(Surv(time, status) ~ group, data = surv_dat)

# 绘制 SCI 风格生存曲线

ggsurvplot(

fit,

data = surv_dat,

pval = TRUE, # 自动显示 P 值

risk.table = TRUE, # 显示风险表（必须）

risk.table.title = "Number at risk",

xlab = "Time (months)",

ylab = "Survival Probability",

palette = c("#2E86AB", "#A23B72", "#F18F01"), # 专业配色

ggtheme = theme_bw() +

theme(panel.grid = element_blank()),

legend = "top",

legend.title = "Group"

)

# 导出高清 TIFF

ggsave("survival_curve.tiff",

width = 12, height = 10, units = "cm", dpi = 300)

（三）SPSS 绘制生存曲线步骤

1. 分析 → 生存函数 → Kaplan‑Meier
2. 时间框放入 time，状态框放入 status，因子框放入 group
3. 定义事件：如 status=1 为发生事件
4. 点击 选项，勾选 生存曲线
5. 输出曲线后双击编辑：

• 去除背景与网格
• 统一字体与线条
• 导出为 300 dpi 图片

六、SCI 统计图最常见错误（审稿人高频吐槽）

1. 无坐标轴标签或无单位必须写清：如 CEA (ng/mL)、Time (months)
2. 未标注样本量 n分组图必须在图例 / 坐标轴 / 图注中标明 n
3. P 值位置不清晰、字体太小建议用 annotate 单独高亮标注
4. 图片分辨率不足（<300 dpi）导出一律强制设置 dpi=300
5. 有背景、有网格、花里胡哨SCI 只接受极简风格：无底色、无网格
6. 生存曲线不显示风险表高分期刊几乎都要求显示风险表
7. 配色刺眼、线条混乱建议使用蓝 / 红 / 橙等经典学术配色

七、总结

1. 箱线图：组间比较 → 标注 P 值 → 无网格
2. 散点图：相关性分析 → 趋势线 + r + P → 清晰直观
3. 生存曲线：预后展示 → 风险表 + P 值 → SCI 极简主题
4. 导出统一标准：300 dpi + TIFF/PNG + 宽度 8–12 cm

规范作图，是肿瘤 SCI 录用的重要加分项。一张合格的统计图，胜过千言万语。