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

    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

    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

    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

    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

    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

    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

    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

    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

    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