R语言标准化死亡率 (SMR)分析（3）

既往我们已经使用泊松回归对数据进行标准化死亡率 (SMR)分析，但是分析的时候没有考虑混杂因素如性别、年龄，在一些数据分析的时候需要将这些混杂因素考虑在里面，计算有修正的标准化死亡率 (SMR)。今天我们通过使用R语言survexp.fr包计算带有性别和年龄混杂因素的标准化死亡率 (SMR)。今天使用一个女性肠癌的数据（公众号回复：SMR2可以获得该数据）。
首先导入我们的R包和数据

library(survexp.fr)
be<-read.csv("E:/r/test/smr2.csv",sep=',',header=TRUE)
names(be)

导入数据后，我们来看看数据的构成，sex表示性别，bi_date为出生日期，dg_date为诊断日期，ex_date为退出日期，其实就是截止日期，status为是否死亡，我们的结局变量，dg_age为诊断时的年龄，这个指标其实是多余的，可以通过诊断日期减去出生日期得出来。

好的，得到数据后我们看看survexp.fr计算SMR的格式

计算很简单，我们只要按照上面格式给出数据就可以了
我们把每个指标计算出来

be$futime<-be$ex_date-be$dg_date###计算futime

这里提示错误，因为在数据里这两个不是日期格式，不能进行相减，我们要转换一下格式

bc$ex_date<-as.Date(bc$ex_date)
bc$dg_date<-as.Date(bc$dg_date)
bc$bi_date<-as.Date(bc$bi_date)
be$futime<-be$ex_date-be$dg_date###计算futime

接下来计算其他的变量

be$status<-ifelse(be$status==0,0,1)
be$age<-be$dg_date-be$bi_date###计算年龄
be$entry_date<-be$dg_date###设置诊断时间

设置好数据后就可以计算了，这里注意一下年龄和随访时间都是按天来算的

attach(be)
SMR(futime, status, age, sex, entry_date)

结果就轻松算出来了，survexp.fr包提供两种结果，一种是经典算法，一种为泊松回归的算法。