//STATA的 STATA的 STATA的//C指数间差异的假设检验//我自己看的文章，常见的就是一个指标和TNM分期的性能作比较 //安装sscinstalsomersd//定义模型结果和时间变量stsettime,failure(dead ==1)//进行cox回归调整其他变量stcoxxxxagegroup i.bmii.TNMestatconcordancepredicthr1generateinvhr1=1/hr1generatecensind1=1-_dif_st==1somersd _tinvhr1 if_st==1,cenind(censind1)tdisttransf(c)
//STATA的 STATA的 STATA的//C指数间差异的假设检验//我自己看的文章，常见的就是一个指标和TNM分期的性能作比较 //安装sscinstalsomersd//定义模型结果和时间变量stsettime,failure(dead ==1)//进行cox回归调整其他变量stcoxxxxagegroup i.bmii.TNMestatconcordancepredicthr1generateinvhr1=1/hr1generatecensind1=1-_dif_st==1somersd _tinvhr1 if_st==1,cenind(censind1)tdisttransf(c)
上一篇关注单因素多因素cox模型的构建并在lung数据集中进行了实战survival包学习笔记——cox回归（一）-简书(jianshu.com)接下来我们继续上一篇谈一谈如何评价我们构建的模型，并且进一步可视化回归结果。一、函数介绍上篇我们已经介绍了cox回归的一大函数，survival包中的coxph函数，今天我们来说说另一自产自销的函数，rms::cphcph(formula=formula(data),data=environment(formula),weights,subset,na.action=na.delete,method=c("efron","breslow","exac
上一篇关注单因素多因素cox模型的构建并在lung数据集中进行了实战survival包学习笔记——cox回归（一）-简书(jianshu.com)接下来我们继续上一篇谈一谈如何评价我们构建的模型，并且进一步可视化回归结果。一、函数介绍上篇我们已经介绍了cox回归的一大函数，survival包中的coxph函数，今天我们来说说另一自产自销的函数，rms::cphcph(formula=formula(data),data=environment(formula),weights,subset,na.action=na.delete,method=c("efron","breslow","exac
R语言与统计-1：t检验与秩和检验R语言与统计-2：方差分析R语言与统计-3：卡方检验R语言与统计-4：线性回归分析与模型诊断R语言与统计-5：Logistic回归更详细的可以参考之前分享的：Kaplan-Meier生存分析的结果解读和绘制方法TCGA生存模型的构建以及模型预测和评估1.生存分析导入数据library(coin)data(glioma)head(glioma)#no.agesexhistologygroupeventtime#1141FemaleGrade3RITTRUE53#2245FemaleGrade3RITFALSE28#3348MaleGrade3RITFALSE69
R语言与统计-1：t检验与秩和检验R语言与统计-2：方差分析R语言与统计-3：卡方检验R语言与统计-4：线性回归分析与模型诊断R语言与统计-5：Logistic回归更详细的可以参考之前分享的：Kaplan-Meier生存分析的结果解读和绘制方法TCGA生存模型的构建以及模型预测和评估1.生存分析导入数据library(coin)data(glioma)head(glioma)#no.agesexhistologygroupeventtime#1141FemaleGrade3RITTRUE53#2245FemaleGrade3RITFALSE28#3348MaleGrade3RITFALSE69
单因素生存分析，单因素回归Cox分析多因素Cox分析列线图Cox与KM生存分析及结果解读COXKM生存分析TCGACox与KM生存分析及结果解读，查找与预后相关的biomarker生存分析：针对于慢性病(癌症)，因为其无法在短时间内判断预后，不宜采用治愈率和病死率等指标，而是需要对患者进行随访，分析一定时间后患者生存或死亡的情况，这样将事件的结果和出现这一结果所经历的时间结合起来分析的统计方法称为生存分析。生存分析KM法与Cox法异同介绍KM方法即Kaplan-Meiersurvivalestimate是一种无参数方法(non-parametric)来从观察的生存时间来估计生存概率的方法。KM
单因素生存分析，单因素回归Cox分析多因素Cox分析列线图Cox与KM生存分析及结果解读COXKM生存分析TCGACox与KM生存分析及结果解读，查找与预后相关的biomarker生存分析：针对于慢性病(癌症)，因为其无法在短时间内判断预后，不宜采用治愈率和病死率等指标，而是需要对患者进行随访，分析一定时间后患者生存或死亡的情况，这样将事件的结果和出现这一结果所经历的时间结合起来分析的统计方法称为生存分析。生存分析KM法与Cox法异同介绍KM方法即Kaplan-Meiersurvivalestimate是一种无参数方法(non-parametric)来从观察的生存时间来估计生存概率的方法。KM
