R语言标准化死亡率 (SMR)计算（2）

上一篇文章中我们已经介绍了使用ems计算标准化死亡率 (SMR)，但是它需要两个率，一个实际死亡率，一个估计死亡率，我们平时使用生存数据数据中没有估计死亡率，估计死亡率需要自己计算。
本章我们来介绍使用R语言计算估计死亡率并行标准化死亡率 (SMR)计算。需要使用到我们的一个SMR数据（公众号回复：SMR1可以获得该数据），我们先把数据导入并查看该数据结构。

library(survival)
bc<-read.csv("E:/r/test/smr1.csv",sep=',',header=TRUE)

这个数据很简单sex为性别，age是年龄，entry_date为诊断也就是进入这个队列的时间，status为结局变量，futime为生存时间

我们首先要算出它的haz， 每人年的平均人口死亡率（d/(pyrs)，其中 d 是死亡人数，pyrs 是人年），可以通过survival包的survexp函数计算

haz <- survexp(futime ~ 1, data=bc, 
               rmap = list(year=entry_date, age=age,sex=sex),
               method='individual.h')## sex这个指标不能少，如果全是女的也要设置

显示

这里出错了，因为entry_date格式要为一个日期，在这里它为字符格式，所以我们要对它进行转换一下

class(bc$entry_date)
bc$entry_date<-as.Date(bc$entry_date)

转换好以后就可以继续了，得到结果

bc$haz <- survexp(futime ~ 1, data=bc, 
               rmap = list(year=entry_date, age=age,sex=sex),
               method='individual.h')

得到haz后我们就可以通过泊松回归计算它的标准化死亡率 (SMR)，
先建立方程

fit2<-glm(status~ 1+ offset(log(haz)) , family=poisson,data = bc)
summary(fit2)

通过提取系数就可以得到SMR值了

exp(coef(fit2))

所以它的SMR为6.317
由于计算出了haz，得到了两个率，我们也可以使用上一章用的ems包来计算

library(ems)
SMR(bc$status, bc$haz)

OK，两个方法的结果一致。