Cox回归之变量筛选的R实现 (Stepwise Variable Selection in R)

参考链接：http://finzi.psych.upenn.edu/R/library/My.stepwise/html/My.stepwise.coxph.html

package

install.packages("My.stepwise")

Usage

My.stepwise.coxph(Time = NULL, T1 = NULL, T2 = NULL, Status = NULL,variable.list, in.variable = "NULL", data, sle = 0.15, sls = 0.15,vif.threshold = 999)

Arguments

`Time`	The 'Time' (time to an event) for the sepcified Cox's proportional hazards model as in coxph().
`T1`	The 'T1' (Start) of the long-form data for the sepcified Cox's model as in coxph().
`T2`	The 'T2' (Stop) of the long-form data for the sepcified Cox's model as in coxph().
`Status`	The 'Status' (event indicator) for the sepcified Cox's proportional hazards model as in coxph().
`variable.list`	A list of covariates to be selected.
`in.variable`	A list of covariate(s) to be always included in the regression model.
`data`	The data to be analyzed.
`sle`	The chosen significance level for entry (SLE).
`sls`	The chosen significance level for stay (SLS).
`vif.threshold`	The chosen threshold value of variance inflating factor (VIF).

Examples

## Not run:
The data 'lung' is available in the 'survival' package.
## End(Not run)if (requireNamespace("survival", quietly = TRUE)) {lung <- survival::lung
}names(lung)
dim(lung)
my.data <- na.omit(lung)
dim(my.data)
head(my.data)
my.data$status1 <- ifelse(my.data$status==2,1,0)
my.variable.list <- c("inst", "age", "sex", "ph.ecog", "ph.karno", "pat.karno")
My.stepwise.coxph(Time = "time", Status = "status1", variable.list = my.variable.list,in.variable = c("meal.cal", "wt.loss"), data = my.data)my.variable.list <- c("inst", "age", "sex", "ph.ecog", "ph.karno", "pat.karno", "meal.cal","wt.loss")
My.stepwise.coxph(Time = "time", Status = "status1", variable.list = my.variable.list,data = my.data, sle = 0.25, sls = 0.25)

Cox回归之变量筛选的R实现 (Stepwise Variable Selection in R)相关推荐

python回归模型变量筛选_如何进行高维变量筛选和特征选择(一)？Lasso回归
01模型简介随着海量电子病历的挖掘,影像学.基因组学等数据进入医学统计分析,经常会面临对高维变量特征选择的问题,Lasso回归是在线性回归模型的代价函数后面加上L1范数的约束项的模型,它通过控制参数 ...
史上最详细Cox回归列线图制作教程
列线图是一种直观有效地展示Cox回归结果的一种方法.最有价值的是进行结局的预测,同时可以通过直线的长度来表示不同变量对结局的影响,以及变量的不同取值对结局的影响.正如下图中所示. 举例来说,一个男性胰 ...
R 回归虚拟变量na_R语言 | 生存分析之R包survival的单变量和多变量Cox回归
生存分析之R包survival的单变量和多变量Cox回归续前文生存分析(Survival Analysis). 在前文初步简介了生存分析的概念,以及展示了一种生存分析模型Kaplan-Meier的使用 ...
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 ...
咋筛选变量进入多因素回归纳入变量变量选择类似机器学习的特征选择 cox回归分析cox多因素
在前期推送的内容中,我们介绍了构建多因素回归模型,探讨对结局指标有独立作用的影响因素,就好比侦探破案找出真凶的过程.我们作为研究人员,就像是一名侦探,通过统计学方法及专业知识,在众多的嫌疑人中一一排查 ...
R语言进行COX时变系数模型（含时间依存协变量的Cox回归模型）
我们在临床研究中,经常要研究疾病与生存率的关系,cox回归是用得比较常见的模型之一.Cox 比例风险模型依赖于风险随时间变化的假设(PH假设),意思是协变量对结局的影响随着时间变化是固定的.然而现实中 ...
R语言使用rms包拟合cph生存分析模型（包含生存时间和结果标签）、绘制不同生存时间节点的列线图nomogram（例如，6个月生存风险、12个月生存风险等）、使用逐步回归筛选最佳的cox回归模型
R语言使用rms包拟合cph生存分析模型(包含生存时间和结果标签).绘制不同生存时间节点的列线图nomogram(例如,6个月生存风险.12个月生存风险等).使用逐步回归筛选最佳的cox回归模型目录
R语言生存分析：Cox回归
上次介绍了生存分析中的寿命表.K-M曲线.logrank检验.最佳切点的寻找等,本次主要介绍Cox回归. 本推文不涉及理论,只有实操,想要了解生存分析的理论的请自行学习. Cox回归使用surviv ...

Cox回归之变量筛选的R实现 (Stepwise Variable Selection in R)

package

Usage

Arguments

Examples

Cox回归之变量筛选的R实现 (Stepwise Variable Selection in R)相关推荐

最新文章

热门文章