生存分析 R语言(六)—— Extended and Stratified Cox
Extended Cox Model
extended cox model 是针对部分协变量不满足PHA的情况,在模型中增加那些协变量与时间的interaction项,从而可以考虑了协变量随时间变化的情况。
下面要考虑的是sex不满足PHA时。
library(survival)
anderson=read.table(choose.files(),col.names=c('time','censor','sx','logWBC','trt'))
attach(anderson)
anderson2=survSplit(anderson,cut=8,end='time',event='censor',start='start')
#在t=8处做cut,获得分割后的数据
anderson2$gt=(anderson2$start==8)+0
#heaviside function
detach(anderson)
attach(anderson2)
S=Surv(start,time,censor)
phm_2=coxph(S~sx+trt+logWBC+sx:gt)
summary(phm_2)
#模型中不需要gt项
分割点若有要求则按要求来,没有要求可以考虑均值,作为heaviside function 的节点
Call:
coxph(formula = S ~ sx + trt + logWBC + sx:gt)n= 66, number of events= 30 coef exp(coef) se(coef) z Pr(>|z|)
sx 0.9813 2.6679 0.5412 1.813 0.0698 .
trt 1.1583 3.1847 0.4719 2.455 0.0141 *
logWBC 1.5834 4.8713 0.3427 4.620 3.83e-06 ***
sx:gt -2.1320 0.1186 1.0104 -2.110 0.0348 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1exp(coef) exp(-coef) lower .95 upper .95
sx 2.6679 0.3748 0.92367 7.7059
trt 3.1847 0.3140 1.26292 8.0307
logWBC 4.8713 0.2053 2.48853 9.5356
sx:gt 0.1186 8.4321 0.01637 0.8592Concordance= 0.865 (se = 0.039 )
Likelihood ratio test= 52.16 on 4 df, p=1e-10
Wald test = 38.25 on 4 df, p=1e-07
Score (logrank) test = 57.08 on 4 df, p=1e-11
Stratified Cox Model
stratified cox model也是针对协变量不满足PHA提出的,这里的思想是对不满足PHA的协变量分层,将每个协变量分成两部分,分别是满足PHA的部分和不满足的部分。
协变量的效果在一个层(部分)里是一样的,即层内没有interaction,效果是常数,这就是Non-interaction assumption。
对于”no interaction“的model,每个层的baseline function都不一样,但指数项系数一致;
考虑interaction的模型baseline function h0h_0h0和系数每层都不一样。
phm_si=coxph(S~strata(sx)+trt+logWBC+sx:logWBC+sx:trt)
#strata函数对sx分层
summary(phm_si)
Call:
coxph(formula = S ~ strata(sx) + trt + logWBC + sx:logWBC + sx:trt)n= 66, number of events= 30 coef exp(coef) se(coef) z Pr(>|z|)
trt 0.3113 1.3652 0.5636 0.552 0.5807
logWBC 1.2061 3.3406 0.5035 2.396 0.0166 *
logWBC:sx 0.5366 1.7102 0.7352 0.730 0.4655
trt:sx 1.6666 5.2942 0.9295 1.793 0.0730 .
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1exp(coef) exp(-coef) lower .95 upper .95
trt 1.365 0.7325 0.4524 4.120
logWBC 3.341 0.2993 1.2452 8.962
logWBC:sx 1.710 0.5847 0.4048 7.226
trt:sx 5.294 0.1889 0.8562 32.735Concordance= 0.797 (se = 0.058 )
Likelihood ratio test= 35.83 on 4 df, p=3e-07
Wald test = 21.69 on 4 df, p=2e-04
Score (logrank) test = 33.15 on 4 df, p=1e-06
生存分析 R语言(六)—— Extended and Stratified Cox相关推荐
- r语言npsurv_10生存分析+R语言代码surv.pdf
10生存分析R语言代码surv 生存函数和危险函数 生存分析数据的 Cox 回归模型 生存分析 R 软件陪同 吴喜之 December 20, 2014 . . . . . . . . . . . . ...
- 生存分析 R语言(四)——Cox PHM(3) 检查PHA和scale
Assess the appropriateness of PHA 数据说明 使用R自带数据集ovarian.检查age是否满足proportional hazards assumption. gra ...
- 生存分析 R语言(一)——KM estimator
题目 Data contains drug users who have been given residential treatment for drug abuse. Consider only ...
- 生存分析 R语言(二)——Cox PHM(1)
题目 使用R自带数据集veteran进行操作,是被诊断有肺癌的老兵生存数据. 载入数据集 library(survival) library(survminer) data()#列出已载入的包的所有数 ...
- R语言生存分析详解:KM曲线、COX比例风险模型、HR值解读、模型比较、残差分析、是否比例风险验证:基于survival包lung数据集
R语言生存分析详解:KM曲线.COX比例风险模型.HR值解读.模型比较.残差分析.是否比例风险验证:基于survival包lung数据集 目录
- 单因素方差分析——R语言实战
课题组的每个人都有实验任务,做实验的目的是为了获取实验数据,下一步就要进行数据分析,数据分析的方法各式各样.今天我给大家介绍,如何使用R语言进行单因素方差分析. 有人会问,什么是单因素方差分析? 试验 ...
- 特征选择:Boston house prices 数据集分析(R 语言)
How the choose the features? 怎样选择特征? construct a multivariate linear model using all the provided fe ...
- R语言基于dcurves包绘制COX回归临床决策曲线
因为R的rmda包做不了COX回归临床决策曲线,很多朋友都是通过ggdca包来绘制COX回归临床决策曲线,最近很多粉丝使用ggdca包来绘制COX回归临床决策曲线出现问题过来问我,我绘制的时候没发现什 ...
- 生信分析R语言助力作图----单基因批量相关性分析
单基因批量相关性分析 嘻嘻嘻~~~,晚上秒变生信分析小白,一个游走在生物学和计算机变成之间的小白,享受着里面的快乐和痛苦.不停的挣扎,不停的成长,多学习,多尝试,一定会有意想不到的收获.加油!!! 首 ...
- R语言统计分析|批量单变量Cox回归分析
lung数据集是一个经典的时间到事件数据集,用于对单变量时间到事件数据进行Cox比例风险回归.这个数据集包含了肺癌患者的生存信息,包括以下变量: age: 年龄 sex: 性别(1 = 男,2 = 女 ...
最新文章
- flask 基础 宏的使用
- Exists and IN
- linux存储--linux内存分配图(九)
- JS JavaScript模块化(ES Module/CommonJS/AMD/CMD)
- python matplotlib.pyplot plt.ioff()函数(关闭交互模式用于阻塞程序,不让图片关闭)
- mysql数据库代码_【代码总结】MYSQL数据库的常见操作
- php的integer,PHP整型 integer
- IOS基础:ActionSheet(上拉菜单)的实现
- Git-第四篇廖雪峰Git教程学习笔记(3)远程仓库,克隆远端库
- Android native memory leak detect (Android native内存泄露检测)
- 学历真的重要吗?当然非常非常非常重要。
- mac php7.2,MAC下更新自带的PHP版本到7.2
- 单片机项目:8个发光二极管从上至下间隔一秒流动,其中每个管亮500ms,500ms,亮时蜂鸣器响,灭时蜂鸣器关闭,一直重复下去
- 使用JsonParser流式解析json,并使用DataFrame进行矩阵转置。
- speedoffice(Excel)怎么做扇形图
- 电力系统GPS对时简介
- 阿里云服务器广东河源地区怎么样
- IT 冷知识:全球第一个“Bug”被发现
- 企业级源代码安全审计
- java测试生成中征码(数字)
热门文章
- 播布客教学视频_C学习笔记_8.1_统计1到100中9的个数(分治)
- 【无人机】【2017.12】基于AGENT的防御群建模分析
- Latex参考文献引用顺序排序
- Android Studio 中使用 Git
- 辛弃疾《青玉案·元夕》
- Parcel打包React
- 重磅!罗振宇跨年演讲:扎心5问
- element-ui表格的滚动条样式修改(当固定table表格高度时默认滚动条样式太丑)
- 西安邮电大学计算机学校转专业,2021年西安邮电大学大一新生转专业及入学考试相关规定...
- 海康摄像头SDK抓图计划