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(