的R - Cox風險模型不包括

我擬合Cox模型的一些數據，其構造爲這樣一種因素的水平：的R - Cox風險模型不包括

str(test) 
'data.frame': 147 obs. of 8 variables: 
$ AGE    : int 71 69 90 78 61 74 78 78 81 45 ... 
$ Gender   : Factor w/ 2 levels "F","M": 2 1 2 1 2 1 2 1 2 1 ... 
$ RACE    : Factor w/ 5 levels "","BLACK","HISPANIC",..: 5 2 5 5 5 5 5 5 5 1 ... 
$ SIDE    : Factor w/ 2 levels "L","R": 1 1 2 1 2 1 1 1 2 1 ... 
$ LESION.INDICATION: Factor w/ 12 levels "CLAUDICATION",..: 1 11 4 11 9 1 1 11 11 11 ... 
$ RUTH.CLASS  : int 3 5 4 5 4 3 3 5 5 5 ... 
$ LESION.TYPE  : Factor w/ 3 levels "","OCCLUSION",..: 3 3 2 3 3 3 2 3 3 3 ... 
$ Primary   : int 1190 1032 166 689 219 840 1063 115 810 157 ...

的RUTH.CLASS變量實際上是一個因素，我已經改變了它到一個這樣的：

> test$RUTH.CLASS <- as.factor(test$RUTH.CLASS) 
> summary(test$RUTH.CLASS) 
3 4 5 6 
48 56 35 8

很好。

當我適合在模型中更多的變量擬合模型

stent.surv <- Surv(test$Primary) 
> cox.ruthclass <- coxph(stent.surv ~ RUTH.CLASS, data=test) 
> 
> summary(cox.ruthclass) 
Call: 
coxph(formula = stent.surv ~ RUTH.CLASS, data = test) 

    n= 147, number of events= 147 

       coef exp(coef) se(coef)  z Pr(>|z|) 
RUTH.CLASS4 0.1599 1.1734 0.1987 0.804 0.42111 
RUTH.CLASS5 0.5848 1.7947 0.2263 2.585 0.00974 ** 
RUTH.CLASS6 0.3624 1.4368 0.3846 0.942 0.34599 
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

      exp(coef) exp(-coef) lower .95 upper .95 
RUTH.CLASS4  1.173  0.8522 0.7948  1.732 
RUTH.CLASS5  1.795  0.5572 1.1518  2.796 
RUTH.CLASS6  1.437  0.6960 0.6762  3.053 

Concordance= 0.574 (se = 0.026) 
Rsquare= 0.045 (max possible= 1) 
Likelihood ratio test= 6.71 on 3 df, p=0.08156 
Wald test   = 7.09 on 3 df, p=0.06902 
Score (logrank) test = 7.23 on 3 df, p=0.06478 

> levels(test$RUTH.CLASS) 
[1] "3" "4" "5" "6"

後，類似的事情發生了：

cox.fit <- coxph(stent.surv ~ RUTH.CLASS + LESION.INDICATION + LESION.TYPE, data=test) 
> 
> summary(cox.fit) 
Call: 
coxph(formula = stent.surv ~ RUTH.CLASS + LESION.INDICATION + 
    LESION.TYPE, data = test) 

    n= 147, number of events= 147 

              coef exp(coef) se(coef)  z Pr(>|z|) 
RUTH.CLASS4       -0.5854 0.5569 1.1852 -0.494 0.6214 
RUTH.CLASS5       -0.1476 0.8627 1.0182 -0.145 0.8847 
RUTH.CLASS6       -0.4509 0.6370 1.0998 -0.410 0.6818 
LESION.INDICATIONEMBOLIC    -0.4611 0.6306 1.5425 -0.299 0.7650 
LESION.INDICATIONISCHEMIA    1.3794 3.9725 1.1541 1.195 0.2320 
LESION.INDICATIONISCHEMIA/CLAUDICATION 0.2546 1.2899 1.0189 0.250 0.8027 
LESION.INDICATIONREST PAIN    0.5302 1.6993 1.1853 0.447 0.6547 
LESION.INDICATIONTISSUE LOSS   0.7793 2.1800 1.0254 0.760 0.4473 
LESION.TYPEOCCLUSION     -0.5886 0.5551 0.4360 -1.350 0.1770 
LESION.TYPESTEN      -0.7895 0.4541 0.4378 -1.803 0.0714 . 
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

             exp(coef) exp(-coef) lower .95 upper .95 
RUTH.CLASS4        0.5569  1.7956 0.05456  5.684 
RUTH.CLASS5        0.8627  1.1591 0.11726  6.348 
RUTH.CLASS6        0.6370  1.5698 0.07379  5.499 
LESION.INDICATIONEMBOLIC     0.6306  1.5858 0.03067 12.964 
LESION.INDICATIONISCHEMIA     3.9725  0.2517 0.41374 38.141 
LESION.INDICATIONISCHEMIA/CLAUDICATION 1.2899  0.7752 0.17510  9.503 
LESION.INDICATIONREST PAIN    1.6993  0.5885 0.16645 17.347 
LESION.INDICATIONTISSUE LOSS    2.1800  0.4587 0.29216 16.266 
LESION.TYPEOCCLUSION      0.5551  1.8015 0.23619  1.305 
LESION.TYPESTEN       0.4541  2.2023 0.19250  1.071 

Concordance= 0.619 (se = 0.028) 
Rsquare= 0.137 (max possible= 1) 
Likelihood ratio test= 21.6 on 10 df, p=0.01726 
Wald test   = 22.23 on 10 df, p=0.01398 
Score (logrank) test = 23.46 on 10 df, p=0.009161 

> levels(test$LESION.INDICATION) 
[1] "CLAUDICATION"   "EMBOLIC"    "ISCHEMIA"    "ISCHEMIA/CLAUDICATION" 
[5] "REST PAIN"    "TISSUE LOSS"   
> levels(test$LESION.TYPE) 
[1] ""   "OCCLUSION" "STEN"

截斷輸出下面從model.matrix：

> model.matrix(cox.fit) 
    RUTH.CLASS4 RUTH.CLASS5 RUTH.CLASS6 LESION.INDICATIONEMBOLIC LESION.INDICATIONISCHEMIA 
1    0   0   0      0       0 
2    0   1   0      0       0

我們可以看到這些模型中的每一個的第一層都被排除在模型之外。任何投入將不勝感激。我注意到，在LESION.TYPE變量，沒有被納入消隱電平""，但這不是設計 - 這應該是一個類似NA什麼的。

我很困惑，並可以使用一些幫助與此有關。謝謝。

來源

2014-01-26 Aaron Gonzales

你如何解釋因素變量的係數？它們是否與參考水平相關 - 第一個水平？ – user20650

請注意，Cox模型沒有截取 - 這進入未計算的基線危害。 – user20650

因素的任何模型迴歸係數基於基本水平（對比度）。您contrasts默認到基座因素。有在計算的係數爲被丟棄的值，因爲該模型將返回預測時丟棄給定的值= 1，所有其它因子的值是0（因素是完整的，對於每個觀測互斥）的沒有意義的。你可以通過改變你的options改變contrasts您的默認對比度。

爲您係數是相對平均的所有因素：

options(contrasts=c(unordered="contr.sum", ordered="contr.poly"))

爲您係數是與特定的治療（你有什麼上方，默認）：

options(contrasts=c(unordered="contr.treatment", ordered="contr.poly"))

由於你可以看到，有兩種類型的R中的因素：無序（或分類，如紅，綠，藍）和排序（如堅決不同意，不同意，沒有意見，同意，非常同意）

來源

2014-01-26 18:50:05

的R - Cox風險模型不包括

回答

相關問題