如何解决Kaplan Meier和Cox回归
在本教程[http://www.sthda.com/english/wiki/cox-proportional-hazards-model][1]中,使用Kaplan Meier绘制多变量分析的部分令人困惑。我不确定他如何提出sex_df
数据框。进行多元Cox分析后,有人可以解释在r中绘制Kaplan Meier的最佳方法是什么?有一个好的图书馆吗?
例如,
res.cox <- coxph(Surv(time,status) ~ sex,data = lung)
要在Kaplan Meier中进行绘制,我会
ggsurvplot(survfit(Surv(time,data=lung))
但是我不明白如何绘制这种Cox回归
res.cox <- coxph(Surv(time,status) ~ age + sex + ph.ecog,data = lung)
在本教程中,作者使用了
sex_df <- with(lung,data.frame(sex = c(1,2),age = rep(mean(age,na.rm = TRUE),ph.ecog = c(1,1)
)
)
sex_df
# Survival curves
fit <- survfit(res.cox,newdata = sex_df)
ggsurvplot(fit,conf.int = TRUE,legend.labs=c("Sex=1","Sex=2"),ggtheme = theme_minimal())
作者为什么设置ph.ecog = c(1,1)
?为什么不ph.ecog = c(0,0)
中的sex_df
?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。