cox-regression

0熱度

1回答

1）如何在以下示例中將y軸更改爲「比值比」，「死亡概率」和「死亡率」？ 2）在以下示例中，如何將y軸更改爲「fit2」的「風險比」？ library(Hmisc) library(survival) library(rms) data(pbc) d <- pbc rm(pbc) d$died <- ifelse(d$status == 2, 1, 0) d$status <- if

1熱度

1回答

從cox.zph存儲和繪製樣條擬合

我有50個由鼠標創建的多重估算數據集，並且我在它們每個上運行Cox模型。我需要驗證一段時間內成比例危險的假設，爲此我將檢查cox.zph中的圖。我想要做的是在同一圖上繪製來自每個數據集的樣條曲線。我知道這通常會在plot的電話後用lines()完成，但是當我用zph對象執行此操作時，R會連接每個點，這顯然不是我想要的。我試圖繪製一次，然後在循環中繪製它。個人ZPH只是我所有的考克斯的名單分析

1熱度

1回答

R的Cox迴歸中的「精確」關係的分割錯誤

我試圖擬合一個大的離散比例 - 危害模型（〜100k行，〜10k事件）。爲此，我使用coxph(..., method = "exact")所推薦survival package documentation文檔，其中指出：「精確局部可能性」是相當於一個條件Logistic模型，並且當所述的時間是一個小組離散值是適當的。如果存在大量關係和（開始，停止）式生存數據，則計算時間將過度。大約有與cox

1熱度

1回答

通過Cox迴歸對特定組進行Logrank檢驗

我有一個生存數據集。我想對一種治療進行logrank測試，分爲4類。我不能使用survdiff()命令，因爲這些統計量的漸近分佈是卡方，我需要正常性（我在多重插補設置和後面的池中執行此操作）。相反，我想運行一個Cox迴歸，然後運行分數測試，這個測試通常是分佈式的。所以，我想要做的是把我的4個類別，然後將它們分成幾個組，以單獨比較它們。例如治療2與治療3：是否可以在不分解數據的情況下做到這一點？

0熱度

1回答

從考克斯PH模型預測概率

我想使用Cox模型來預測故障時間後的概率（被命名爲停止）3. bladder1 <- bladder[bladder$enum < 5, ] coxmodel = coxph(Surv(stop, event) ~ (rx + size + number) + cluster(id), bladder1) range(predict(coxmodel, bladder1, type

1熱度

1回答

從擴展Cox模型（具有外部時間相關協變量）獲得基線危險函數/生存函數

我正在應用具有外部時間相關協變量的擴展Cox模型。這裏是一個小例子（DF），其餘借用和從Themeau和Grambsch的書修改，建模存活數據：延伸的Cox模型（2001）： id start stop event trt bili albumin 1 0 188 0 1 1.8 2.54 1 188 372 0 1 1.6 2.88 1 372 729 0 1 1.7 2.80 1 7

0熱度

1回答

smcure包錯誤

我想進行固化分析，並且當我運行代碼如下： pd <- smcure(Surv(FAILTIME,FAILCENS)~trt+Age1 , cureform =~trt+Age1 ,data=saba, model="ph",nboot=1000) 報告該錯誤：錯誤代表（1，N）：無效的「時間」參數

0熱度

1回答

如何繪製一個coxmodel（存活出現分析）ROC曲線

我要繪製ROC曲線以下Cox比例風險模型。 Cox比例風險模型 - 使用時變協變量 coxph_tvc <- coxph(Surv(time0, time1, event_tvc) ~ channelname) 我試過survivalROC包。 library(survivalROC) predsurv<- predict(coxph_tvc, type = "lp")

0熱度

2回答

在考克斯模型後合併估算數據

我想在表格中計算一些缺失的數據，並在估算表上運行考克斯模型。我可以得到插值運行在我的數據上，而cox模型運行在估算數據上，但我不明白如何從數據集中查看cox輸出，其中一些值被估算（即我特別需要輸出中的風險比和P值）。的命令有： >library("mice") >Table <-read.table("TestTable",stringsAsFactors=TRUE,header=TRUE)

5熱度

1回答

如何繪製與花鍵

一個Cox風險模型，我有以下模型： coxph(Surv(fulength, mortality == 1) ~ pspline(predictor)) 其中fulength是隨訪（包括死亡）的持續時間，預測是死亡率的預測。上面的命令的輸出是這樣的： coef se(coef) se2 Chisq DF p pspline(predictor), line 0.174 0.0