survival-analysis

0熱度

1回答

我很困惑如何調整coxph函數中的變量。我知道可以使用strata（）進行分層，但是如何調整變量？線性模型中，可以通過以下（這裏有一個我從這個link看到例子） fit.diamOnMachine <- lm(diameter˜machine) diam.adjusted <- residuals(fit.diamOnMachine) fit.diamadjmach <- lm(stren

0熱度

1回答

生存曲線數字或字符值指定x軸刻度

我繪製生存曲線ggsurvplot()，以改變我用作參數xscale="d_y"的年份中的天數。按照文檔建議，我也試過xscale=365.25。的問題是，時間軸自動標記，但並不如我所料，在今年1，2，3 ... 相反，我得到0.55，1.1，依此類推。我怎樣才能在每一年完全貼標籤？查找下面 install.packages('survMisc') library("survminer")

4熱度

1回答

無法繪製使用ggsurvplot列表中的存活對象的kaplan-meier曲線

我試圖從倖存者包中使用ggsurvplot繪製Kaplan-Meyer曲線。當我傳遞保存在列表中的生存對象時，我無法繪製它。讓我以肺數據集爲例。一切工作如下： library("survival") library("survminer") fit <- survfit(Surv(time, status) ~ sex, data = lung) ggsurvplot(fit,

3熱度

1回答

Cox迴歸分層變量的參數估計和方差（地層/生存包）

我已經運行Cox迴歸，使用survival包來計算暴露A的死亡風險比。我發現age變量違反了比例風險假設（與cox.zph）並使用strata(age)分層進一步模型的年齡。我需要age變量的參數估計值，以及方差和協方差矩陣（以計算費率提升期間）......我不知道在哪裏找到它們！我錯過了什麼，或者我誤解了什麼strata正在做什麼？這裏是一個重複的例子，使用從survival包lung數據

0熱度

1回答

事件生存分析的預測時間

我目前正在嘗試模擬事件的時間，其中有三個不同的事件可能發生。這是針對電信數據的，我想預測解鎖客戶的預期使用期限，因此客戶的合約期已經結束，現在可以每月辭職。一旦他們的1年或2年合同結束，他們就會解鎖客戶，隨着時間的推移，他們可以攪動，保留（購買新合同）或保持解鎖的客戶（因此我需要一個競爭風險模型）。現在我感興趣的是，直到發生這些事件之一的時間。我正在考慮使用Cox迴歸模型來找出協變量對生存概率的

1熱度

1回答

如何計算randomForestSRC的中位生存期

我嘗試計算randomForestSRC中的中位生存期。 library(randomForestSRC) data(veteran, package = "randomForestSRC") train <- sample(1:nrow(veteran), round(nrow(veteran) * 0.80)) veteran.grow <- rfsrc(Surv(time, statu

0熱度

1回答

使用「pec」R軟件包對肺數據集上的「coxph」功能進行預測

我想使用Coxph R函數爲Cox比例風險模型獲得從懲罰性R軟件包中獲得的肺數據集的預測。我有以下示例代碼。 library(survival) library(pec) library(penalized) data("lung") data <- lung trainind <- sample(1:n,n*0.7) testind <- (1:n)[-trainind

1熱度

1回答

在R中爲生存模型創建一個分組變量

我試圖在R中繪製KM曲線，但首先需要適應生存對象。我有一個由100行組成的數據集，其中每行對應於A組或B組患者。我想要做的是能夠繪製（在同一圖上）A組的KM曲線與B組與A + B組（所有人）。我遇到的麻煩是如何構造組變量。我假設你不能在單個變量中完成，所以這就是我正在嘗試的，雖然它似乎沒有正常工作（我沒有得到A和B組中的每個人）。 set.seed(4) n = 100 x = runif(

2熱度

2回答

生存函數圖中哪條曲線？

我正在繪製生存函數與生存包。一切正常，但我怎麼知道哪個曲線是哪個？我該如何將它添加到圖例中？ url <- "http://socserv.mcmaster.ca/jfox/Books/Companion/data/Rossi.txt" Rossi <- read.table(url, header=TRUE)[,c(1:10)] km <- survfit(Surv(week

0熱度

1回答

從survreg預測繪製生存曲線

我是比較新的生存分析，並已用於下文稱爲「電信」的樣本一些標準的電信客戶流失數據例如： telco <- read.csv(text = "State,Account_Length,Area_Code,Intl_Plan,Day_Mins,Day_Calls,Day_Charge,Eve_Mins,Eve_Calls,Eve_Charge,Night_Mins,Night_Calls,Night_C