cox回归RCS阈值效应函数cut.tab1.3发布

写在前面的话，本次只发布了cox回归RCS阈值函数，请看清楚再购买，觉得贵的可以等一等，这个函数最终会放在ggrcs包上面，免费供大家使用，急用的可以先看看。
接下来聊聊cox回归RCS阈值函数是干什么用的，随便抓一篇论文给大家看看，粉丝发给我的。

L-shaped association of serum 25-hydroxyvitamin D concentrations
with cardiovascular and all-cause mortality in individuals with osteoarthritis: results
from the NHANES database prospective cohort study

我们看到它曲线拟合后直接就是一个表

列出了25(OH)D在54.4就是转弯处前对结局影响的HR，还有在转弯后对结局影响的HR。今天我们通过ggrcs包做出这样一个图和自写的函数cut.tab1.3来做出这样一个表，为什么叫cut.tab，乱取的，不要在意这种小细节，我也没有什么好的文艺细胞，为什么是1.3，因为前面两个版本写废了。我们先导入ggrcs包2.6版本，我们通过它自带的数据来演示
我们先导入R包和数据

library(ggrcs)
library(rms)
library(ggplot2)
library(scales)
dt<-smoke

这是ggrcs包自带的吸烟数据status结局，time时间，age年龄，gender性别，我们先整理数据

dd<-datadist(dt)
options(datadist='dd')

建立模型

fit <- cph(Surv(time,status==1) ~ rcs(age,4), x=TRUE, y=TRUE,data=dt)

绘图

ggrcs(data=dt,fit=fit,x="age")

RCS绘图好后我们想了解它的拐点，也就是阈值，因为函数刚写好，还没上下兼容，需要重新建一个一样的模型，但是不是rms包的cph函数，而是survival包的coxph函数。这就里rcs这个函数不需要了。对比一下前后两个函数有什么不同。

fit1 <-coxph(Surv(time,status==1) ~ age,data=dt)

然后cut.tab函数登场了，它有几个配套的小函数，一共4个函数需要全部加载，加载后如图所示

我们只需要用到cut.tab，它的格式是cut.tab(fit,var,wdtmp)，我们需要填入3个变量，fit就是你的模型，var就是你研究的变量，wdtmp就是我们的数据，这个数据一定要是数据框形式，不是的话你使用as.data.frame()强制转换一下。

cut.tab(fit1,"age",dt)

得到截点后我们可以在ggrcs绘图上加一条线

p<-ggrcs(data=dt,fit=fit,x="age")
p+geom_vline(aes(xintercept=38.449),colour="#BB0000", linetype="dashed")

虚线处就是转折点了。生成这个表也是可以保存起来的。

tab<-cut.tab(fit1,"age",dt)
write.csv(tab,file = "1.csv",row.names = F)

复制到word上面

随便整理一下就搞定了。

方法学和解释部分自己看看开头的参考文献把，我这里就不废话了。不过他用的是广义可加模型，我们这里用的是rcs，广义可加模型后面再写，原理都是一样的。

后面附函数代码

cox回归RCS阈值效应函数cut.tab1.3发布相关推荐

R语言使用cph函数和rcs函数构建限制性立方样条cox回归模型、使用ggcoxzph函数可视化进行Schoenfeld残差图检验模型是否满足等比例风险
R语言使用cph函数和rcs函数构建限制性立方样条cox回归模型.使用ggcoxzph函数可视化进行Schoenfeld残差图检验模型是否满足等比例风险目录
R语言使用cph函数和rcs函数构建限制性立方样条cox回归模型
R语言使用cph函数和rcs函数构建限制性立方样条cox回归模型目录 R语言使用cph函数和rcs函数构建限制性立方样条cox回归模型
R语言使用cph函数和rcs函数构建限制性立方样条cox回归模型、使用anova函数进行方差分析通过p值确认指定连续变量和风险值HR之间是否存在非线性关系
R语言使用cph函数和rcs函数构建限制性立方样条cox回归模型.使用anova函数进行方差分析通过p值确认指定连续变量和风险值HR之间是否存在非线性关系目录
R语言使用cph函数和rcs函数构建限制性立方样条cox回归模型、使用rms包的Predict函数计算指定连续变量和风险比HR值的关系、可视化连续变量和风险值HR的关系
R语言使用cph函数和rcs函数构建限制性立方样条cox回归模型.使用rms包的Predict函数计算指定连续变量和风险比HR值的关系.可视化连续变量和风险值HR的关系目录
R语言使用cph函数和rcs函数构建限制性立方样条cox回归模型、使用cox.zph函数执行PH检验、检验模型是否满足等比例风险
R语言使用cph函数和rcs函数构建限制性立方样条cox回归模型.使用cox.zph函数执行PH检验.检验模型是否满足等比例风险目录
R语言使用cph函数和rcs函数构建限制性立方样条cox回归模型、使用rms包的Predict函数计算指定连续变量在不同分组变量下和风险比HR值的关系、使用ggplot2可视化变量与风险值HR的关系
↵ R语言使用cph函数和rcs函数构建限制性立方样条cox回归模型.使用rms包的Predict函数计算指定连续变量在不同分组变量下和风险比HR值的关系.使用ggplot2可视化连续变量在不同分组变 ...
R语言使用cph函数和rcs函数构建限制性立方样条cox回归模型、检验模型是否满足等比例风险、是否存在非线性关系、使用rms包的Predict函数计算指定连续变量和风险比HR值的关系并可视化
R语言使用cph函数和rcs函数构建限制性立方样条cox回归模型.检验模型是否满足等比例风险.是否存在非线性关系.使用rms包的Predict函数计算指定连续变量和风险比HR值的关系并可视化目录
R语言epiDisplay包cox.display函数获取cox回归模型汇总统计信息（风险率HR、调整风险率及其置信区间、模型系数t检验的p值、Wald检验的p值和似然比检验的p值）、保存结果到csv
R语言使用epiDisplay包的cox.display函数获取cox回归模型的汇总统计信息(风险率HR.调整的风险率及其置信区间.模型系数的t检验的p值.Wald检验的p值和似然比检验的p值).使用 ...
R语言survival包Surv函数创建生存对象、建立Cox回归模型（包含所有协变量）比较不同治疗方法生存率的差异、drop1函数计算cox回归模型自变量似然比检验值、删除冗余变量重新构建cox模型
R语言使用survival包的Surv函数创建生存对象.建立Cox回归模型(包含所有协变量)比较不同治疗方法生存率的差异.使用drop1函数计算cox回归模型自变量似然比检验结果.删除冗余变量重新构建 ...

cox回归RCS阈值效应函数cut.tab1.3发布

cox回归RCS阈值效应函数cut.tab1.3发布相关推荐

最新文章

热门文章