R数据分析：cox模型如何做预测，高分文章复现

今天要给大家分享的文章是

Cone EB, Marchese M, Paciotti M, Nguyen DD, Nabi J, Cole AP, Molina G, Molina RL, Minami CA, Mucci LA, Kibel AS, Trinh QD. Assessment of Time-to-Treatment Initiation and Survival in a Cohort of Patients With Common Cancers. JAMA Netw Open. 2020 Dec 1;3(12):e2030072. doi: 10.1001/jamanetworkopen.2020.30072. PMID: 33315115; PMCID: PMC7737088.

作者做了癌症结局与延迟治疗时间的关系。作者希望能给在疫情背景下怎么样更好地分流癌症患者这一实际问题提供实证依据。作者纳入了4个癌症，发现了基本上Time-to-treatment initiation (TTI)约长，癌症患者的5年和10年死亡率越高。这个结果和目前的部分指南其实是矛盾的，所以整篇文章还是有一定实际意义的。

本文依然是关注文章如何在做法上在统计上进行复现，启发大家如何用自己的数据做一个同样设计的研究。

文章回顾

作者将关心的主变量TTI进行了分类处理，将延迟治疗时间分了4类：

TTI was a categorical variable with 4 levels: 8 to 60, 61 to 120, 121 to 180, and greater than 180 days

为了准确地回答TTI如何影响了全因死亡率，作者还纳入了一系列的协变量包括：clinical demographic variables，clinical demographic variables，M