截?cái)辔迨降诙剑喝苓x手

這次給大家介紹CatPredi包悴侵,這個(gè)包不僅能計(jì)算結(jié)局為time to event 瞧剖,而且還能對(duì)于結(jié)局變量為分類(lèi)變量時(shí)確定連續(xù)自變量的截?cái)嘀担⑶抑С纸財(cái)嘀捣秶皞€(gè)數(shù)選擇可免,最重要的是他可以在擬合模型的前提下確定截?cái)嘀底ビ冢梢哉f(shuō)在選擇截?cái)嘀颠@一數(shù)據(jù)處理上功能十分強(qiáng)大,不過(guò)這個(gè)包不能直接繪圖浇借,后續(xù)需借助其包的函數(shù)可視化捉撮。

優(yōu)點(diǎn):可以確定截?cái)嘀档膫€(gè)數(shù)及取值范圍;可以在擬合COX模型前提下尋找截?cái)嘀蹈竟福雌浣財(cái)嘀颠m用于多元回歸巾遭;可以自由選擇確定截?cái)嘀档姆椒ā?/h3>

缺點(diǎn):結(jié)果無(wú)法直接可視化肉康;一次只能計(jì)算一個(gè)自變量的截?cái)嘀怠?/h3>

推薦指數(shù):★★★★★ (五星)(后期結(jié)合gg系列完美解決)

library(survival)
library(survminer)
library(tidyverse)
library(CatPredi)
data(myeloma)
str(myeloma)
數(shù)據(jù)集結(jié)構(gòu)

以下是主函數(shù),所有形式參數(shù)均沒(méi)有省略

res <- catpredi.survival (formula= Surv(time,event)~1,#截?cái)嘀邓诘姆匠蹋?代表進(jìn)行單因素分析 
                          cat.var="TP53", #截?cái)嘀颠x擇列
                          cat.points = 2,#構(gòu)建幾個(gè)最佳截?cái)嘀底粕幔@里選擇2個(gè)
                          data =myeloma , #數(shù)據(jù)集
                          method = "addfor",#選擇構(gòu)建最佳截?cái)嘀捣椒?                          conc.index = "cindex", #最佳截?cái)嘀荡_定的方法吼和,還有一個(gè)cpe法
                          range = NULL,#截?cái)嘀颠x擇范圍,這是設(shè)定默認(rèn)全部范圍 
                          correct.index = T) #顯示矯正C指數(shù)
summary(res)
summary的結(jié)果骑素,可以看到最佳截?cái)嘀?/div>
plot(res)#繪制最佳截?cái)嘀颠x擇情況
最佳截?cái)嘀颠x擇情況及依據(jù)

后續(xù)進(jìn)行圖表繪制

df <- res[["data"]]#提取新數(shù)據(jù)集炫乓,最后一列為新加分組列
df$tp53cat <- df[,ncol(df)]#重命名列名稱(chēng)
df$tp53cat <- factor(df$tp53cat,labels = c("low","middle","high"))#根據(jù)數(shù)值高低分組

以下用新的列表畫(huà)圖展示

fit <- survfit(Surv(time, event) ~tp53cat, data = df)#擬合方程
ggsurvplot(fit,
           data = df,
           risk.table = TRUE,
           pval = T)
生存曲線圖
?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,一起剝皮案震驚了整個(gè)濱河市砂豌,隨后出現(xiàn)的幾起案子厢岂,更是在濱河造成了極大的恐慌,老刑警劉巖阳距,帶你破解...
    沈念sama閱讀 206,839評(píng)論 6 482
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件塔粒,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡筐摘,警方通過(guò)查閱死者的電腦和手機(jī)卒茬,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,543評(píng)論 2 382
  • 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)咖熟,“玉大人圃酵,你說(shuō)我怎么就攤上這事♀晒埽” “怎么了郭赐?”我有些...
    開(kāi)封第一講書(shū)人閱讀 153,116評(píng)論 0 344
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)确沸。 經(jīng)常有香客問(wèn)我捌锭,道長(zhǎng),這世上最難降的妖魔是什么罗捎? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 55,371評(píng)論 1 279
  • 正文 為了忘掉前任观谦,我火速辦了婚禮,結(jié)果婚禮上桨菜,老公的妹妹穿的比我還像新娘豁状。我一直安慰自己,他們只是感情好倒得,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,384評(píng)論 5 374
  • 文/花漫 我一把揭開(kāi)白布泻红。 她就那樣靜靜地躺著,像睡著了一般霞掺。 火紅的嫁衣襯著肌膚如雪谊路。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 49,111評(píng)論 1 285
  • 那天根悼,我揣著相機(jī)與錄音凶异,去河邊找鬼。 笑死挤巡,一個(gè)胖子當(dāng)著我的面吹牛剩彬,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播矿卑,決...
    沈念sama閱讀 38,416評(píng)論 3 400
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼喉恋,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了母廷?” 一聲冷哼從身側(cè)響起轻黑,我...
    開(kāi)封第一講書(shū)人閱讀 37,053評(píng)論 0 259
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎琴昆,沒(méi)想到半個(gè)月后氓鄙,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 43,558評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡业舍,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 36,007評(píng)論 2 325
  • 正文 我和宋清朗相戀三年抖拦,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 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舷暮。...
    茶點(diǎn)故事閱讀 38,117評(píng)論 1 334
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡态罪,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出下面,到底是詐尸還是另有隱情复颈,我是刑警寧澤,帶...
    沈念sama閱讀 33,756評(píng)論 4 324
  • 正文 年R本政府宣布沥割,位于F島的核電站耗啦,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏驯遇。R本人自食惡果不足惜芹彬,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,324評(píng)論 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望叉庐。 院中可真熱鬧舒帮,春花似錦、人聲如沸陡叠。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,315評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)枉阵。三九已至译红,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間兴溜,已是汗流浹背侦厚。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,539評(píng)論 1 262
  • 我被黑心中介騙來(lái)泰國(guó)打工耻陕, 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,地道東北人刨沦。 一個(gè)月前我還...
    沈念sama閱讀 45,578評(píng)論 2 355
  • 正文 我出身青樓诗宣,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親想诅。 傳聞我的和親對(duì)象是個(gè)殘疾皇子召庞,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,877評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容