r语言 svycoxph_生存分析的Cox回归模型(比例风险模型)R语言实现及结果解读

最新推荐文章于 2023-07-28 16:19:16 发布

weixin_39927993

最新推荐文章于 2023-07-28 16:19:16 发布

阅读量5k

点赞数 1

文章标签： r语言 svycoxph

本文链接：https://blog.csdn.net/weixin_39927993/article/details/111764996

版权

本文介绍了使用R语言的survival和survminer库进行生存分析中的Cox比例风险模型。首先，通过单变量Cox回归展示了如何分析变量sex对生存时间的影响，结果显示女性相比男性具有较低的死亡风险。接着，进行了多变量Cox回归，加入了age和ph.ecog两个协变量，发现sex和ph.ecog对生存时间有显著影响，而age影响不显著。通过可视化工具survfit和ggsurvplot描绘了不同风险组的生存曲线。

摘要由CSDN通过智能技术生成

R语言中的Cox模型分析

单变量Cox回归

library("survival")library("survminer")res.cox

res.cox

summary(res.cox)

summary的结果：

Call:coxph(formula = Surv(time, status) ~ sex, data = lung)n= 228, number of events= 165coef exp(coef) se(coef) z Pr(>|z|)sex -0.5310 0.5880 0.1672 -3.176 0.00149 **---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1exp(coef) exp(-coef) lower .95 upper .95sex 0.588 1.701 0.4237 0.816Concordance= 0.579 (se = 0.021 )Likelihood ratio test= 10.63 on 1 df, p=0.001Wald test = 10.09 on 1 df, p=0.001Score (logrank) test = 10.33 on 1 df, p=0.001

Cox回归结果可以解释如下：

统计显着性。标记为“z”的列给出了Wald统计值。它对应于每个回归系数与其标准误差的比率(z = coef / se(coef))。wald统计评估是否beta(ββ)系数在统计上显着不同于0。从上面的输出，我们可以得出结论，变量性别具有高度统计学意义的系数。

回归系数。Cox模型结果中要注意的第二个特征是回归系数(