KM生存分析如何取最佳的cutoff

KM生存分析

如何取最佳cutoff

  • KM生存分析中通常取中位值作為cutoff颜懊,但也并不一定是這樣
  • 必要時(shí)可以選擇最佳的cutoff值财岔,如何實(shí)現(xiàn)风皿? ### survival package
library(survival)
library(survminer)
## Loading required package: ggplot2
## Loading required package: ggpubr
## Loading required package: magrittr

surv_cutpoint函數(shù)

  • data:包含生存數(shù)據(jù)和連續(xù)變量的的數(shù)據(jù)框
  • time, event:column names containing time and event data, respectively. Event values sould be 0 or 1.

官方示例

# 0. Load some data
data(myeloma)
head(myeloma)
##          molecular_group chr1q21_status treatment event  time   CCND1
## GSM50986      Cyclin D-1       3 copies       TT2     0 69.24  9908.4
## GSM50988      Cyclin D-2       2 copies       TT2     0 66.43 16698.8
## GSM50989           MMSET       2 copies       TT2     0 66.50   294.5
## GSM50990           MMSET       3 copies       TT2     1 42.67   241.9
## GSM50991             MAF           <NA>       TT2     0 65.00   472.6
## GSM50992    Hyperdiploid       2 copies       TT2     0 65.20   664.1
##          CRIM1 DEPDC1    IRF4   TP53   WHSC1
## GSM50986 420.9  523.5 16156.5   10.0   261.9
## GSM50988  52.0   21.1 16946.2 1056.9   363.8
## GSM50989 617.9  192.9  8903.9 1762.8 10042.9
## GSM50990  11.9  184.7 11894.7  946.8  4931.0
## GSM50991  38.8  212.0  7563.1  361.4   165.0
## GSM50992  16.9  341.6 16023.4 2096.3   569.2

1. Determine the optimal cutpoint of variables

res.cut <- surv_cutpoint(myeloma, time = "time", event = "event",
   variables = c("DEPDC1", "WHSC1", "CRIM1"))

summary(res.cut)
##        cutpoint statistic
## DEPDC1    279.8  4.275452
## WHSC1    3205.6  3.361330
## CRIM1      82.3  1.968317

2. Plot cutpoint for DEPDC1

# palette = "npg" (nature publishing group), see ?ggpubr::ggpar
plot(res.cut, "DEPDC1", palette = "npg")
## $DEPDC1
image.png

3. Categorize variables

res.cat <- surv_categorize(res.cut)
head(res.cat)
##           time event DEPDC1 WHSC1 CRIM1
## GSM50986 69.24     0   high   low  high
## GSM50988 66.43     0    low   low   low
## GSM50989 66.50     0    low  high  high
## GSM50990 42.67     1    low  high   low
## GSM50991 65.00     0    low   low   low
## GSM50992 65.20     0   high   low   low

4. Fit survival curves and visualize

library("survival")
fit <- survfit(Surv(time, event) ~DEPDC1, data = res.cat)
ggsurvplot(fit, data = res.cat, risk.table = TRUE, conf.int = TRUE)
image.png

參考資料

官方文檔

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末袭艺,一起剝皮案震驚了整個(gè)濱河市乍丈,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌睬罗,老刑警劉巖患朱,帶你破解...
    沈念sama閱讀 218,682評(píng)論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件鲁僚,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡裁厅,警方通過(guò)查閱死者的電腦和手機(jī)冰沙,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,277評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門(mén),熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)执虹,“玉大人拓挥,你說(shuō)我怎么就攤上這事〈” “怎么了侥啤?”我有些...
    開(kāi)封第一講書(shū)人閱讀 165,083評(píng)論 0 355
  • 文/不壞的土叔 我叫張陵,是天一觀(guān)的道長(zhǎng)茬故。 經(jīng)常有香客問(wèn)我盖灸,道長(zhǎng),這世上最難降的妖魔是什么磺芭? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 58,763評(píng)論 1 295
  • 正文 為了忘掉前任赁炎,我火速辦了婚禮,結(jié)果婚禮上钾腺,老公的妹妹穿的比我還像新娘徙垫。我一直安慰自己,他們只是感情好放棒,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,785評(píng)論 6 392
  • 文/花漫 我一把揭開(kāi)白布姻报。 她就那樣靜靜地躺著,像睡著了一般间螟。 火紅的嫁衣襯著肌膚如雪吴旋。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 51,624評(píng)論 1 305
  • 那天厢破,我揣著相機(jī)與錄音邮府,去河邊找鬼。 笑死溉奕,一個(gè)胖子當(dāng)著我的面吹牛褂傀,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播加勤,決...
    沈念sama閱讀 40,358評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼仙辟,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼同波!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起叠国,我...
    開(kāi)封第一講書(shū)人閱讀 39,261評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤未檩,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后粟焊,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體冤狡,經(jīng)...
    沈念sama閱讀 45,722評(píng)論 1 315
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,900評(píng)論 3 336
  • 正文 我和宋清朗相戀三年项棠,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了悲雳。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,030評(píng)論 1 350
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡香追,死狀恐怖合瓢,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情透典,我是刑警寧澤晴楔,帶...
    沈念sama閱讀 35,737評(píng)論 5 346
  • 正文 年R本政府宣布,位于F島的核電站峭咒,受9級(jí)特大地震影響税弃,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜凑队,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,360評(píng)論 3 330
  • 文/蒙蒙 一则果、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧顽决,春花似錦、人聲如沸导匣。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 31,941評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)贡定。三九已至赋访,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間缓待,已是汗流浹背蚓耽。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,057評(píng)論 1 270
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留旋炒,地道東北人步悠。 一個(gè)月前我還...
    沈念sama閱讀 48,237評(píng)論 3 371
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像瘫镇,于是被迫代替她去往敵國(guó)和親鼎兽。 傳聞我的和親對(duì)象是個(gè)殘疾皇子答姥,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,976評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容