溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇文章為大家展示了怎么進行大數據中R語言的生存分析，內容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細介紹希望你能有所收獲。
根據上面的生存分析的介紹可以大概的了解了生存分析的概念和原理以及KM曲線的繪制。但是生存分析中COX回歸的結果不容易直接輸出，下面簡單的介紹一種自定義函數，批量并且規則的輸出結果的方式。
#載入所需的R包
library("survival")library("survminer")
#載入并查看數據集
data("lung")head(lung)inst time status age sex ph.ecog ph.karno pat.karno meal.cal wt.loss1 3 306 2 74 1 1 90 100 1175 NA2 3 455 2 68 1 0 90 90 1225 153 3 1010 1 56 1 0 90 90 NA 154 5 210 2 57 1 1 90 60 1150 115 1 883 2 60 1 0 100 90 NA 06 12 1022 1 74 1 1 50 80 513 0
#cox 回歸分析
res.cox <- coxph(Surv(time, status) ~ sex, data = lung)res.coxsummary(res.cox)Call:coxph(formula = Surv(time, status) ~ sex, data = lung) n= 228, number of events= 165 coef exp(coef) se(coef) z Pr(>|z|) sex -0.5310 0.5880 0.1672 -3.176 0.00149 **---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 exp(coef) exp(-coef) lower .95 upper .95sex 0.588 1.701 0.4237 0.816Concordance= 0.579 (se = 0.022 )Rsquare= 0.046 (max possible= 0.999 )Likelihood ratio test= 10.63 on 1 df, p=0.001111Wald test = 10.09 on 1 df, p=0.001491Score (logrank) test = 10.33 on 1 df, p=0.001312
COX回歸的結果中需要提取HR，HR的置信區間，wald.test和 p.value的信息，最簡單的是在summary結果中進行復制粘貼，當然效率很低。假設當變量成百上前后，會發生什么呢？
--------------------復制粘貼N*成百上千次！！！
還可以構建自定義函數，數據框的形式一次輸出所有變量的COX回歸結果
#查看待分析的變量
covariates <- names(lung[,4:10])covariates[1] "age" "sex" "ph.ecog" "ph.karno" "pat.karno" "meal.cal" "wt.loss"
#構建自定義函數，以數據框形式輸出結果
univ_formulas <- sapply(covariates, function(x) as.formula(paste('Surv(time, status)~', x)))
#設定函數輸出的信息
univ_models <- lapply( univ_formulas, function(x){coxph(x, data = lung)})# Extract data univ_results <- lapply(univ_models, function(x){ x <- summary(x) p.value<-signif(x$wald["pvalue"], digits=2) wald.test<-signif(x$wald["test"], digits=2) beta<-signif(x$coef[1], digits=2);#coeficient beta HR <-signif(x$coef[2], digits=2);#exp(beta) HR.confint.lower <- signif(x$conf.int[,"lower .95"], 2) HR.confint.upper <- signif(x$conf.int[,"upper .95"],2) HR <- paste0(HR, " (", HR.confint.lower, "-", HR.confint.upper, ")") res<-c(beta, HR, wald.test, p.value) names(res)<-c("beta", "HR (95% CI for HR)", "wald.test", "p.value") return(res) #return(exp(cbind(coef(x),confint(x)))) })
#輸出所有變量的COX結果
res <- t(as.data.frame(univ_results, check.names = FALSE))as.data.frame(res)beta HR (95% CI for HR) wald.test p.valueage 0.019 1 (1-1) 4.1 0.042sex -0.53 0.59 (0.42-0.82) 10 0.0015ph.ecog 0.48 1.6 (1.3-2) 18 2.7e-05ph.karno -0.016 0.98 (0.97-1) 7.9 0.005pat.karno -0.02 0.98 (0.97-0.99) 13 0.00028meal.cal -0.00012 1 (1-1) 0.29 0.59wt.loss 0.0013 1 (0.99-1) 0.05 0.83
OK！可以write了，至于csv還是txt ，啦意隨。。。
上述內容就是怎么進行大數據中R語言的生存分析，你們學到知識或技能了嗎？如果還想學到更多技能或者豐富自己的知識儲備，歡迎關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
