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