如何解决如何在R中的生存分析中进行调整
我尝试了解 HbA1c 变异性与全因死亡率之间的关联 多变量 Cox 比例风险模型,同时调整性别、年龄和 BMI。 我看不到任何有关它的信息。我可以创建如下所示的模型吗?感谢您的回答。
library(survival)
res.cox <- coxph(Surv(time,status) ~ HbA1c + sex + age+BMI,data = dataSurv)
解决方法
您首先要创建一个基本模型(不含 HbA1c),然后评估模型拟合的改进(即偏差的减少),因为添加了您感兴趣的主要协变量。
base.cox <- coxph(Surv(time,status) ~ sex + age+BMI,data = dataSurv)
augmented.cox <- coxph(Surv(time,status) ~ HbA1c + sex + age+BMI,data = dataSurv)
我对您“看不到有关模型的任何信息”的说法有了进一步的想法。我希望您在控制台输入模型名称时首先查看输出:
res.cox
# and then typed ...
summary(res.cox)
summary(augmented.cox)
的输出中的 p 值是根据分数统计数据计算的,但基础模型和增强模型之间的偏差变化是统计推断的更好度量。一些软件包会提供“anova”函数来为您计算。
library(survival)
?anova.coxph
anova(base.cox,augmented.cox)
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。