![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
回归分析(logistic cox)
文章平均质量分 74
生信小博士
本人声明2024年之前的内容非本人原创,仅作为记录本人的学习过程的一个平台,当时声明原创是由于平台自动默认,刚使用这个平台不太清楚,现在很多文章找不到原文链接,批量修改过于复杂,如有内容不适合发表在本博客上,对您造成影响,请及时联系我删除该内容或在文章下方声明是您的原创,不甚感激。2024年的内容为本人原创如有兴趣,可关注了解。
展开
-
8秒完成2万个基因的生存分析 运行速度太慢怎么办 批量单基因生存回归 tcga geo数据分析策略
批量的事情要想到写for循环如果特殊情况要处理,要用if语句偷懒并行化请用future.apply心里很高兴,因为这是我学习生信后做的第一件像样的事,解决了我心里多年的麻烦。当时,正常运行20000个基因要花费50分钟。但是,今天,我10s钟就实现了。事情的经过是这样的。首先我们加载生存数据,也可以通过上次那个帖子来准备这个数据是个数据框,有209行,有19452列,截取一部分来看看前面两列分别是生存状态,生存时间,后面第3列开始全是基因的表达量。原创 2022-10-29 16:43:41 · 1267 阅读 · 0 评论 -
TCGA里面的任意基因做生存分析 批量生存分析 批量生存分析
在进行下一步之前,我居然突发奇想,我想看一看,这个表达数据里面哪些基因的NA值最多,有没有NA值多过样本数量一般的基因呢?这是来自临床医生的视角,研究疾病,最终希望能够服务临床,临床离不开诊断和治疗,假设一个基因的表达对肿瘤的预后有影响,他很可能就是我的盘中餐。好在,我碰到了嘉因生物的小哈,小丫,她在他们的微信号里写了一系列这方面的帖子,我很受启发,但是技术方面要求很高,我在当时实现不了。这时候把癌和癌旁的数据作差异分析,得到的基因与今天获得的基因取交集,就可以获得又差异表达,又对生存有影响的基因了。原创 2022-10-29 16:41:22 · 5729 阅读 · 5 评论 -
timeroc 最优最佳截断值特异度(specificity)与灵敏度(sensitivity)
5.获取最佳截断值另一种的方法我已经用过很多次了,survminer包里的surv_cutpoint函数,选出让高低两组间差异最显著的截断值。用它来计算的结果,没有考虑到时间因素,因此与上面得到的结果不相同。我想了一下,是因为timeROC的计算中,生存时间超过1年,最终结局为死亡的病人,在1年时生存状态为活着。当我把这部分病人的生存状态改为0(活着),这两个方法计算出来的结果就相同咯用这个截断值做分组,看看KM曲线作者:小洁忘了怎么分身。原创 2022-10-22 15:33:03 · 3347 阅读 · 0 评论 -
R笔记:全子集回归 | 最优子集筛选变量挑选
有些教程把最优子集定义为从含相同自变量的个数的所有模型中挑选出最佳的模型组合,比如ABCD四个自变量,可以有2^4=16个模型,其中常数项模型1个,含1个自变量的模型4个(A、B、C、D),含2个自变量的模型6个(AB、AC、AD、BC、BD、CD),含3个自变量的模型4个(ABC、ABD、ACD、BCD),含4个自变量的模型1个(ABCD),分别从含有1、2、3、4个自变量的模型中挑选出最佳的一个模型就可以组成最优子集。在进行模型比较时,R^2、校正的R^2越大,Cp值越小模型越佳。原创 2022-10-18 13:06:00 · 7644 阅读 · 0 评论 -
【4】比例风险(PH)假定检验:比例风险假定是Cox回归的前提条件,可以通过计算检验,也可以通过图示法。
如想进一步检验每个协变量的比例风险假定,可在继续点击对话框[estat-后验估计统计量]中的[选项]按钮,在打开的对话框中选择复选框[单独检验每个协变量的比例风险假设]。如果运气不好,你的数据违背了比例风险的假定,可以考虑采用含时依协变量的Cox回归,而且含时依协变量的Cox回归也可以作为验证比例风险的假设的一种手段。①统计>>生存分析>>回归模型>>Kaplan–Meier生存曲线和Cox预测曲线比较;①统计>>生存分析>>回归模型>>比例风险假设的图形评估;②图形>>生存分析图>>比例风险假设检验;原创 2022-10-18 11:15:01 · 3590 阅读 · 0 评论 -
R语言实战 input+结果——ROC曲线的绘制 auc 时量下曲线面积
第一步当然得处理一下数据。原创 2022-09-19 16:33:11 · 3293 阅读 · 0 评论 -
实战 lasso特征筛选得到5个基因 cox单因素分析得到很多有意义的基因 如何lasso筛选特征基因 然后再进行cox多因素分析
Lasso + Cox 生存分析模式Lasso可以在模型参数估计的同时实现变量的选择,能够较好的解决回归分析中的多重共线性问题,并且能够很好的解释结果。Lasso回归算法使用L1范数进行收缩惩罚,对一些对于因变量贡献不大的变量系数进行罚分矫正,将一些不太重要的变量的系数压缩为0,保留重要变量的系数大于0,以减少Cox回归中协变量的个数。原创 2022-10-17 16:36:08 · 12771 阅读 · 0 评论 -
有了风险因子森林图为什么还需要列线图
Posted on今天这个推文甚至算不上一个教程,但是里面的代码其实是复制粘贴就可以运行哦。之所以写它,主要是是因为交流群有粉丝总是问各种各样的代码问题,风险因子森林图啊列线图的,归根到底就是R基础知识不牢固,所以报错连连。抛开R代码知识不谈,我这里提出来一个有意思问题,有了风险因子森林图为什么还需要列线图?原创 2022-10-16 19:35:03 · 716 阅读 · 0 评论 -
预测模型 | 8. 一致性指数 (Concordance Index, C-index) ci值 cox
可见,区分度并不是评估模型预测的概率与现实性的差异或一致性的指标,而是评估模型有多大把握确定它所预测的患者发生该事件的能力。,0.8为AUC或C-index对模型区分度的评估结果,即有80%的把握确定该事件发生。例如:某列线图(AUC或C-index=0.8)预测某患者5年复发风险为70%。因此,很多人对AUC和C指数的解释是评估模型预测与实际的一致性,这是不准确的。R的报错中,很大一部分原因是导入数据后数据变量性质、名称等处理错误所致。这里汇报了校准前的index和校准后的index。原创 2022-10-16 19:13:25 · 5079 阅读 · 2 评论 -
R语言| 16. 预测模型变量筛选: 代码篇 cox模型选择变量筛选
MSE是衡量平均误差的一种较方便的方法,MSE 可以评价数据的变化程度,MSE的值越小,说明预测模型描述数据具有更好的精确度。图中,一条彩线代表一个变量的回归系数β值的变化,x轴下方的数字为惩罚值(调优系数),x轴上方为在该值下的剩余的变量个数。如图所示:随着λ增加,各变量的回归系数β在减小,有些会变为0,说明该变量在此时对模型贡献微乎其微,可以剔除。说明因变量为服从高斯分布的连续型变量,但是有多个因变量,输入的因变量为一个矩阵,对应的模型为。即执行下面两行代码,x=要纳入的变量,y=生存分析的结局。原创 2022-10-16 19:07:41 · 10074 阅读 · 4 评论 -
R语言:多因素Cox回归森林图 (基于forestplot包) 森林图 cox可视化
计划是介绍一下单因素、多因素、亚组分析、其他类型森林图绘制;列线图部分介绍下基本的变量筛选方法、绘制过程、验证方法(ROC/DCA/校准图/分组比较等)、网页版列线图。其中,1.2是对表的修改,改完表,图就改了;3-5步是通过改字体、线宽等优化的。三-4、字体大小增粗、线条粗细、线型(包括置信区间)、行间距、列间距;三-3、加水平线、垂直辅助线、x周标签、大标题、森林图占比;三-5、颜色、HR方块形状等。三-2、显示所有亚组的患者数。三-1、显示所有变量;三-2、加入患者数目;三-1、显示所有变量。原创 2022-10-15 16:57:11 · 16555 阅读 · 6 评论 -
#多个基因批量cox 多因素回归cox univariate Adjust for age sex单个基因cox 回归分析 多因素 矫正年龄性别之后的cox回归分析 矫正年龄性别之后的cox生存分析
单个基因cox 回归分析 (多因素)原创 2022-10-14 23:09:36 · 989 阅读 · 0 评论 -
Cox比例风险回归(Cox ProportionalHazards Model) 到底选用哪种回归分析 r到底选择哪种回归分析 r选择生存分析还是cox分析
在医学研究中,观察对象生存时间往往受到多个因素的影响。例如,研究某肿瘤患者生存时间与治疗措施的关系,患者的生存时间不仅与治疗措施有关,还受病人的年龄、性别、病情、心理、环境、社会等因索的影响,如果要显示治疗措施的效果,除了治疗措施不同以外,其他影响因素应尽可能相同或相近.这时采用多变量分析方法能够分析包括治疗措施在内的可能因素对生存时间的影响。,有时甚至不知道它的分布类型,这样就不能采用多重线性回归方法分析。本节介绍的。原创 2022-10-14 20:26:50 · 5357 阅读 · 0 评论 -
分类,等级,或者有序变量如何进行多因素Cox回归 变量的类型决定了最终结果的reference
这类变量可以进行等级划分,进行排序比较,比如喜欢的程度可以分为高中低,高中的年级可以是高一、高二、高三,学历可以分为小学、中学、高中、大学、研究生等。这也是定性变量的一个性质。解决办法是在准备cox分析输入文件时,不要把tumor stage 按照 1,2,3,4粗暴的进行赋值,这样会触发r包的识别机制,r包会很自然的把tumor stage按照连续变量进行计算。之前,根据某自学网的课程进行Cox分析的学习,自打那时起,我就把Cox分析的准备文件全部整理成连续变量。这样就可以愉快的发文章啦!原创 2022-10-14 18:02:46 · 3125 阅读 · 0 评论 -
咋筛选变量进入多因素回归 纳入变量 变量选择 类似机器学习的特征选择 cox回归分析cox多因素
在前期推送的内容中,我们介绍了构建多因素回归模型,探讨对结局指标有独立作用的影响因素,就好比侦探破案找出真凶的过程。我们作为研究人员,就像是一名侦探,通过统计学方法及专业知识,在众多的嫌疑人中一一排查,来一次『白夜追凶』,最终才能找出真正的凶手X。当然,要做一名好侦探,你一定要有一种可靠的直觉,能够准确划定嫌疑人的范围,这才是成功破案最为关键的一步,如果事先连嫌疑人都判断错了,那就只能让凶手逃之夭夭了。原创 2022-10-14 17:54:14 · 2362 阅读 · 1 评论 -
第二十八讲R语言-Cox比例风险模型1如何纳入因素责骂知道风险因素是相对于谁来说的reference control是谁 基准 对照 参照置信度signif(summary(m)$conf.int[,
此外,Cox回归模型扩展了生存分析方法,以同时评估几种风险因素对生存时间的影响,并且给每一个因素提供了统计量的大小以反映因素对事件发生的影响大小。如果保持其他协变量不变,则ph.ecog的值越高,存活率越低,即在其他协变量都一致的人群中,ph.ecog每增高一个单位,死亡风险增高59%。值bi大于零,即风险比大于1,表示随着协变量ith的增加,事件风险也增加,于是生存期减少。与KM生存曲线不同的是,Cox模型拟合曲线输出的是在矫正了其他协变量因素以后的预测的生存率,而不是实际观察到的生存率情况。原创 2022-10-14 17:43:06 · 1373 阅读 · 1 评论 -
多因素cox回归结果解释 第二十八讲 R语言-Cox比例风险模型1 - 知乎 (zhihu.com)
第二十八讲 R语言-Cox比例风险模型1 - 知乎 (zhihu.com)exp(coef)是风险因子HR 大于1 促进结局 小于1 抑制结局。coef是模型中的相应因素的系数。原创 2022-10-14 17:21:21 · 4211 阅读 · 0 评论 -
将随机森林应用到医学中 预后
我们会获得每个基因的权重(importance),用以表征基因对疾病分类的重要程度(如果分类特征是生存状态,那么就可以表征基因对预后的重要性)。随机森林是当下非常受欢迎的机器学习算法之一,鲁棒性好且易于使用。在数据挖掘中,我们常用它来构建分类模型,今天就来看看它在科研中的实际应用。,我们可以利用R包randomForest构建随机森林分类器,通过特征基因预测疾病分类。比如我们拿到了一些基因在某个疾病中的的表达谱,也有对应的样本分类,如。原创 2022-10-11 23:45:35 · 1069 阅读 · 0 评论 -
批量生存分析 提取生存正相关基因 生存负相关基因 survival_genes_split 生存分析得到的显著性基因 高低表达与生存期的关系 0=高表达生存预期差;1=高表达生存预期好s
【代码】批量生存分析 提取生存正相关基因 生存负相关基因 survival_genes_split 生存分析得到的显著性基因 高低表达与生存期的关系 0=高表达生存预期差;1=高表达生存预期好s。原创 2022-10-11 19:38:36 · 530 阅读 · 0 评论 -
survival_analysis_for_intersected_selected_genes.r YLL对交集基因进行生存分析
【代码】survival_analysis_for_intersected_selected_genes.r。原创 2022-10-11 00:45:48 · 154 阅读 · 0 评论 -
Cox与KM生存分析及结果解读 不同的生存分析方法 单因素和多因素生存分析的比较km cox回归分析差异 生存分析结果详解 结果解读 参数详细解释 全因死亡率
KM 方法即Kaplan-Meier survival estimate是一种无参数方法(non-parametric)来从观察的生存时间来估计生存概率的方法。KM生存分析模型,是单变量分析(univariable analysis),在做单变量分析时,模型只描述了该单变量和生存之间的关系而忽略其他变量的影响。(为什么要考虑multi-variables?比如在比较两组病人拥有和不拥有某种基因型对生存率的影响,但是其中一组的患者年龄较大,所以生存率可能受到基因型 或/和 年龄的共同影响)。原创 2022-10-10 00:12:58 · 16838 阅读 · 0 评论 -
利用lasso回归建立预测模型并绘制列线图 二分类结局资料的lasso回归与列线图绘制
接着上次的笔记,此次笔记的任务是利用lasso回归建立预测模型并绘制列线图。在目前发表的论文中,lasso回归大都只是作为一种变量的筛选方法。首先通过lasso回归获得系数不为0的解释变量,再利用这些筛选到的变量进行多重回归建立预测模型,实际上这是relaxed lasso的一种特殊情况(γ=0)。这种做法用于预测问题不大,但一般不用于因果推断。我们也可以直接利用lasso回归的参数来建模预测,但这样做的人并不多,教程也比较少,但笔者觉得这种方法也是一种不错的选择。在开始本次笔记的查阅之旅前,建议先看一下《原创 2022-10-02 00:30:00 · 9237 阅读 · 4 评论 -
对连续性变量进行LASSO回归分析 cox
6/19/2017。原创 2022-10-01 14:28:07 · 3384 阅读 · 1 评论 -
依协变量(time-dependent covariables) 兼谈分层Cox回归 依时变量
简单来说,时依协变量的意思就是,对一个人来说,在研究期间,该变量随着时间的改变而发生了变化,所以英文叫做time dependent,也就是说,依赖于时间变化而改变的变量。举个简单例子,性别gender,很明显不是时依协变量(除非有极其特殊的情况),然而gender*时间t,两个变量的乘积,这就是个时依协变量了。比如污染状态,这个如果城市的工厂关闭一段时间,大气状况变成了“优”,如果工厂恢复运作,大气状况变成了“污染”,这就随时间而发生了变化,而且是靠外部力量推动的变化。中,一切变得大为不同。原创 2022-10-09 23:29:18 · 2047 阅读 · 0 评论 -
模型常用评估指标详解
模型评估通常作为建模的最后一步,用于评估模型效果,判别该模型是否达到预期。但实际模型评估指标需要在建模的第一步确定,即确定目标函数。凡事都得有个目标,才知道努力的(拟合)方向,否则枉然。连续值或者分类型的预测最常用的说法就是模型精度,但实际精度一词有多重含义,例如连续性预测模型常用的是MAPE/RMSE,而分类常用等等。本文将介绍常用的评估指标,并对应下各指标的不同称呼。原创 2022-09-30 10:32:03 · 3758 阅读 · 0 评论 -
lasso回归并使用roc曲线评估模型效果
LASSO(Least Absolute Shrinkage and Selection Operator)是线性回归的一种缩减方式,通过引入L1L1惩罚项,实现变量选择和参数估计。原创 2022-09-30 10:28:17 · 3733 阅读 · 1 评论 -
基于Lasso回归筛选变量构建Cox模型并绘制Nomogram
假设有个病人性别为女,trt为0,P期为1,Nomogram用法是在sex变量上找到其值为1的刻度,然后画垂线投影到最上方的points刻度尺上,找到对应的分值为75分,同理找到trt为0的分值约为50分,P为1的对应分值为100,将这三个因素的points值加起来总分225。下一步在下面的Total Points刻度尺上找到225分,向下方的3个轴做垂线,6-Month-survival对应的值在0.6和0.7之间,约为0.65,说明该患者6个月的生存概率值为65%,其他以此类推。原创 2022-09-30 10:17:24 · 6057 阅读 · 3 评论 -
lasso 回归教程 glnmet包
使用glmnet函数拟合模型 ,所谓的拟合模型其实就是一个获得方程参数的过程 这个产生的fit对象里面包含了不同参数组合的模型,后面我们需要根据情况选择合适的参数来确定模型。我们可以通过这个预测的y值和实际的y值进行比较,或者画roc曲线,进而评价模型的优劣。我们可以通过这个预测的y值和实际的y值进行比较,或者画roc曲线,进而评价模型的优劣。此时我们可以在指定的lammada值处,预测新变量所对应的y值。下图中s1列表示,lammada取0.1时,模型所预测的y值。那么得到的这个y值有什么用呢。原创 2022-09-30 10:10:13 · 2383 阅读 · 0 评论 -
最大似然函数 损失函数 逻辑回归与线性回归的比较
回归原创 2022-09-30 10:05:58 · 167 阅读 · 0 评论 -
pic 回归线性模型 多元回归分析 线性回归分析 lasso logistic
回归分析原创 2022-09-30 09:52:26 · 348 阅读 · 0 评论 -
最小二乘法 回归分析中的最小二乘法 最小二乘法(least sqaure method)
最小二乘法(least sqaure method)原创 2022-09-30 09:49:50 · 510 阅读 · 0 评论 -
step5 lasso 回归 实战 本文没有考虑y 是cox和binominal
*原创 2022-09-29 22:54:04 · 2200 阅读 · 1 评论 -
G:\r\tcga_example-master\scripts 生存分析 tcgaexample jimmy 存活分析 单条线生存分析
cox_results[cox_results[,4]原创 2022-09-29 16:37:34 · 416 阅读 · 0 评论 -
只有一条线的生存分析图 复杂一点的生存分析 及其参数详细解释
中位生存时间(median survival time)又称为生存时间的中位数,表示刚好有50%的个体其存活期大于该时间,是生存分析中常用的概括性统计量。图解法是计算中位生存时间的方法。其利用生存曲线图,从纵轴生存率为50%处画一条与横轴平行的线,并与生存曲线相交,然后自交点画垂线与横轴相交,此交点对应的时间即为中位生存时间,图解法比较简单直观,但结果比较粗略。原创 2022-09-29 16:05:44 · 1851 阅读 · 1 评论 -
Surv单因素批量生存分析使用 cox批量生存回归分析有点像deseq2的design差异分析designG:\r\2021_1203_geo\GEO-master\GSE11121_survival
析inputcodesoutput。原创 2022-09-29 11:52:20 · 1830 阅读 · 0 评论 -
临床预测之logictic回归 1-2
多因素logistic回归 最终发现了四个因素 显著性影响是否发生肺动脉高压那么这种简单粗暴的 多因素逻辑回归有没有可能漏掉了一些 协变量呢,下面进入。原创 2022-09-28 23:16:12 · 8117 阅读 · 3 评论