R语言基于ems包标准化死亡率 (SMR)计算(1)

分析队列人群有无死亡人数超额，通常应用标准人群死亡率来校正，即刻观察到中的实际死亡数（D）与定一个标准的死亡人数（E），D与E之比称为死亡比（standarized Mortality ratio，SMR）. 标准化死亡率 (SMR) 是观察到的病例与预期病例的比率
因此计算SMR需要两个发病率，观察到的发病率和实际发病率，计算我们使用R语言ems包来进行演示
首先导入R包和其自带的ICU数据

library(ems)
bc<-data(icu)
attach(icu)

我们先来看看数据结构，数据很多名字很长，下图只是显示其中一部分，Unit The name of the ICU unit： ICU单元名称，Age Patient age年龄患者年龄，Gender男性 = 1，女性 = 0，UnitAdmissionDateTimeICU入住日期和时间，UnitDischargeDateTimeICU出院日期和时间，UnitDischargeName结局：死亡 = 1，UnitDestinationName ICU住院日期，HospitalDischargeDate出院日期，HospitalDischargeName住院结果，LengthHospitalStayPriorUnitAdmission入院前的住院时间，LengthHospitalStayPriorUnitAdmissionICU 入院前患者的来源AdmissionTypeName_pri Admission as Clinical treatmen：治疗手段：1.药物2.择期手术3紧急手术
Vasopressors_D1是否要升压药，IsMechanicalVentilation1h是否1小时需要机械通气，CharlsonComorbidityIndex合并症指数，Saps3Points SAPS 3 score估计死亡概率，
SofaScoreSOFA 分数。

虽然文章数据很多，但是我们使用到的不多，我们先把分类变量改成因子，对一些变量打上标签

attr(icu, "var.labels")[match(c("Unit", "IsMechanicalVentilation1h","AdmissionTypeName_pri","Vasopressors_D1"), names(icu))] <-c("ICU unit","Mechanichal ventilation","Admission type","Vasopressors at admission")
icu$Saps3DeathProbabilityStandardEquation <- icu$Saps3DeathProbabilityStandardEquation /100###除以100变成比率
icu$IsMechanicalVentilation1h <- as.factor(ifelse(icu$IsMechanicalVentilation1h == 1, "Yes", "No"))
icu$AdmissionTypeName_pri <- as.factor(icu$AdmissionTypeName_pri)
levels(icu$AdmissionTypeName_pri) <- c("Clinical","Elective surgery", "Urgent surgery")
icu$Vasopressors_D1 <- as.factor(ifelse(icu$Vasopressors_D1 == 1, "Yes", "No"))

处理好数据后，我们就可以分析了，这文章的死亡率主要有两个，一个是UnitDischargeName指标的实际死亡率，一个是由SOFA评分构成的预测死亡率

SMR(icu$UnitDischargeName, icu$Saps3DeathProbabilityStandardEquation)

OK，实际死亡人数，预测死亡人数，SMR和可信区间都出来了，我们还可以求出分组的SMR和可信区间，假如我们想知道是否上呼吸机的SMR有无区别，

x1 <- SMR.table(data = icu, obs.var = "UnitDischargeName",pred.var = "Saps3DeathProbabilityStandardEquation",group.var = c( "IsMechanicalVentilation1h"),reorder = "no",decreasing = TRUE,use.label = TRUE)### obs.var为实际死亡得变量，pred.var为预测死亡变量

假如我们想多几组

x <- SMR.table(data = icu, obs.var = "UnitDischargeName",pred.var = "Saps3DeathProbabilityStandardEquation",group.var = c( "IsMechanicalVentilation1h","AdmissionTypeName_pri","Vasopressors_D1"),reorder = "no",decreasing = TRUE,use.label = TRUE)

还可以对数据做出可视化视图

forest.SMR(x, digits = 2)

R语言基于ems包标准化死亡率 (SMR)计算(1)相关推荐

R语言标准化死亡率 (SMR)计算（2）
上一篇文章中我们已经介绍了使用ems计算标准化死亡率 (SMR),但是它需要两个率,一个实际死亡率,一个估计死亡率,我们平时使用生存数据数据中没有估计死亡率,估计死亡率需要自己计算. 本章我们来介绍使 ...
R语言使用yardstick包的conf_mat函数计算多分类（Multiclass）模型的混淆矩阵、并使用summary函数基于混淆矩阵输出分类模型评估的其它详细指标（kappa、npv等13个）
R语言使用yardstick包的conf_mat函数计算多分类(Multiclass)模型的混淆矩阵(confusion matrix).并使用summary函数基于混淆矩阵输出分类模型评估的其它详细 ...
R语言基于MASS包中的shuttle数据集以及neuralnet包构建神经网络模型
R语言基于MASS包中的shuttle数据集以及neuralnet包构建神经网络模型目录 R语言基于MASS包中的shuttle数据集以及neuralnet包构建神经网络模型
R语言基于forestplot包可视化森林图实战详解：美化的森林图：自定义字体设置、置信区间、坐标轴（刻度、标签、范围）、无效线去除、水平线、辅助线、box形状、色彩等
R语言基于forestplot包可视化森林图实战详解:美化的森林图:自定义字体设置.置信区间.坐标轴(刻度.标签.范围).无效线去除.水平线.辅助线.box形状.色彩等目录
R语言基于DALEX包进行特征筛选（feature selection）
R语言基于DALEX包进行特征筛选(feature selection) 对一个学习任务来说,给定属性集,有些属性很有用,另一些则可能没什么用.这里的属性即称为"特征"(featu ...
R语言基于mediation包行中介效应分析（2）
中介变量(mediator) 是一个重要的统计概念,如果自变量 X 通过某一变量 M 对因变量 Y 产生一定影响,则称 M 为 X 和 Y 的中介变量.我们既往已经介绍了<R语言基于mediat ...
R语言使用caret包的confusionMatrix函数计算混淆矩阵、基于混淆矩阵的信息手动编写函数计算accuray、准确率指标
R语言使用caret包的confusionMatrix函数计算混淆矩阵.基于混淆矩阵的信息手动编写函数计算accuray指标目录
R语言使用caret包的confusionMatrix函数计算混淆矩阵、基于混淆矩阵的信息手动编写函数计算Specificity、特异度指标
R语言使用caret包的confusionMatrix函数计算混淆矩阵.基于混淆矩阵的信息手动编写函数计算Specificity指标目录
R语言使用car包的vif函数计算方差膨胀因子，并基于方差膨胀因子开方后和阈值（2）的判断来确认模型特征（预测变量）之间是否存在多重共线性（Multicollinearity）
R语言使用car包的vif函数计算方差膨胀因子,并基于方差膨胀因子开方后和阈值(2)的判断来确认模型特征(预测变量)之间是否存在多重共线性(Multicollinearity) 目录

R语言基于ems包标准化死亡率 (SMR)计算(1)

R语言基于ems包标准化死亡率 (SMR)计算(1)相关推荐

最新文章

热门文章