r语言回归分析_R语言：生存分析 Cox回归分析 survival analysis

01

—

Cox模型是干什么的？

Cox模型的目的是同时评估几个因素对生存的影响。换句话说，它使我们能够检查特定因素在特定时间点如何影响特定事件(例如，感染，死亡)的发生率。这个速度通常被称为危险率。预测变量(或因子)在生存分析文献中通常被称为协变量。

Cox模型由h(t)表示的危险函数表示。简而言之，危险函数可以解释为在时间t死亡的风险。可以估计如下：

h(t)=h0(t)×exp(b1 x1+b2x2+...+bpxp)

• t代表生存时间

• h(t) is the hazard function determined by a set of p covariates (x1,x2,...,xp)

换言之，高于1的风险比指示与事件概率正相关的协变量，并因此与生存期的长短负相关。

综上所述，

HR = 1：没有效果

HR<1：减少危险

HR> 1：危害增加

请注意，在癌症研究中：

危险比(hazard ratio) > 1(即：b> 0)的协变量被称为不良预后因素

危险比(hazard ratio) <1(即：b <0)的协变量被称为良好的预后因子

Cox模型的一个关键假设是，观察组(或患者)的危险曲线应该是成比例的并且不能交叉。

因此，考克斯模型是一个比例 - 危险模型：任何一组中事件的危险性是其他危险的常数倍数。这一假设意味着，如上所述，各组的危险曲线应该是成比例的，不能交叉。

换句话说，如果一个人在某个初始时间点有死亡风险，是另一个人的两倍，那么在所有的晚些时候，死亡风险仍然是两倍。

02

—

怎么用R来实现Cox回归模型

没有包先装包：

if(!require(devtools)) install.packages("devtools")devtools::install_github("kassambara/survminer", build_vignettes = TRUE)

装完包，载入包

library("survival")library("survminer")

cox模型用到的function就是：coxph() [in survival package]，主要语法结构如下：

coxph(formula, data, method)

载入数据

这两个包里自带了示例数据，载入示例数据演示一下：

data("lung")head(lung)

  inst time s