• 主页
  • 课程

    关于课程

    • 课程归档
    • 成为一名讲师
    • 讲师信息
    同等学历教学

    同等学历教学

    免费
    阅读更多
  • 特色
    • 展示
    • 关于我们
    • 问答
  • 事件
  • 个性化
  • 博客
  • 联系
  • 站点资源
    有任何问题吗?
    (00) 123 456 789
    weinfoadmin@weinformatics.cn
    注册登录
    恒诺新知
    • 主页
    • 课程

      关于课程

      • 课程归档
      • 成为一名讲师
      • 讲师信息
      同等学历教学

      同等学历教学

      免费
      阅读更多
    • 特色
      • 展示
      • 关于我们
      • 问答
    • 事件
    • 个性化
    • 博客
    • 联系
    • 站点资源

      未分类

      • 首页
      • 博客
      • 未分类
      • R|生存分析-结果整理

      R|生存分析-结果整理

      • 发布者 一览
      • 分类 未分类
      • 日期 2020年3月8日
      • 评论 0评论

      参考:https://mp.weixin.qq.com/s?__biz=MzIyNDI1MzgzOQ==&mid=2650393867&idx=1&sn=53cc6a3d57faf0ba30dfc3e1da6481b2&chksm=f01cafebc76b26fd5d3fe809d7868c448918336837c84d31d02627e0cefeb758551b5e21a4ad&scene=21#wechat_redirect

      #载入所需的R包

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

      #载入并查看数据集

      data("lung")head(lung)
       inst time status age sex ph.ecog ph.karno pat.karno meal.cal wt.loss1    3  306      2  74   1       1       90       100     1175      NA2    3  455      2  68   1       0       90        90     1225      153    3 1010      1  56   1       0       90        90       NA      154    5  210      2  57   1       1       90        60     1150      115    1  883      2  60   1       0      100        90       NA       06   12 1022      1  74   1       1       50        80      513       0

      #cox 回归分析

      res.cox <- coxph(Surv(time, status) ~ sex, data = lung)res.coxsummary(res.cox)Call:coxph(formula = Surv(time, status) ~ sex, data = lung)  n= 228, number of events= 165       coef 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 ‘ ’ 1    exp(coef) exp(-coef) lower .95 upper .95sex     0.588      1.701    0.4237     0.816Concordance= 0.579  (se = 0.022 )Rsquare= 0.046   (max possible= 0.999 )Likelihood ratio test= 10.63  on 1 df,   p=0.001111Wald test            = 10.09  on 1 df,   p=0.001491Score (logrank) test = 10.33  on 1 df,   p=0.001312

               COX回归的结果中需要提取HR,HR的置信区间,wald.test和 p.value的信息,最简单的是在summary结果中进行复制粘贴,当然效率很低。假设当变量成百上前后,会发生什么呢?

      还可以构建自定义函数,数据框的形式一次输出所有变量的COX回归结果

      #查看待分析的变量

      covariates <- names(lung[,4:10])covariates[1] "age"       "sex"       "ph.ecog"   "ph.karno"  "pat.karno" "meal.cal"  "wt.loss"

      #构建自定义函数,以数据框形式输出结果

      univ_formulas <- sapply(covariates,                        function(x) as.formula(paste('Surv(time, status)~', x)))

       #设定函数输出的信息                  

      univ_models <- lapply( univ_formulas, function(x){coxph(x, data = lung)})# Extract data univ_results <- lapply(univ_models,                       function(x){                           x <- summary(x)                          p.value<-signif(x$wald["pvalue"], digits=2)                          wald.test<-signif(x$wald["test"], digits=2)                          beta<-signif(x$coef[1], digits=2);#coeficient beta                          HR <-signif(x$coef[2], digits=2);#exp(beta)                          HR.confint.lower <- signif(x$conf.int[,"lower .95"], 2)                          HR.confint.upper <- signif(x$conf.int[,"upper .95"],2)                          HR <- paste0(HR, " (",                                        HR.confint.lower, "-", HR.confint.upper, ")")                          res<-c(beta, HR, wald.test, p.value)                          names(res)<-c("beta", "HR (95% CI for HR)", "wald.test",                                         "p.value")                          return(res)                          #return(exp(cbind(coef(x),confint(x))))                         })

      #输出所有变量的COX结果

      res <- t(as.data.frame(univ_results, check.names = FALSE))as.data.frame(res)
                    beta HR (95% CI for HR) wald.test p.valueage          0.019            1 (1-1)       4.1   0.042sex          -0.53   0.59 (0.42-0.82)        10  0.0015ph.ecog       0.48        1.6 (1.3-2)        18 2.7e-05ph.karno    -0.016      0.98 (0.97-1)       7.9   0.005pat.karno    -0.02   0.98 (0.97-0.99)        13 0.00028meal.cal  -0.00012            1 (1-1)      0.29    0.59wt.loss     0.0013         1 (0.99-1)      0.05    0.83

      OK!可以write了,至于csv还是txt ,啦意随。。。

      请关注“恒诺新知”微信公众号,感谢“R语言“,”数据那些事儿“,”老俊俊的生信笔记“,”冷🈚️思“,“珞珈R”,“生信星球”的支持!

      • 分享:
      作者头像
      一览

      上一篇文章

      Bioinfo|bedtools-操作VCF文件
      2020年3月8日

      下一篇文章

      R|timeROC-分析
      2020年3月8日

      你可能也喜欢

      2-1675088548
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      30 1月, 2023
      9-1675131201
      如何快速批量修改 Git 提交记录中的用户信息
      26 1月, 2023
      8-1678501786
      肿瘤细胞通过改变CD8+ T细胞中的丙酮酸利用和琥珀酸信号来调控抗肿瘤免疫应答。
      7 12月, 2022

      留言 取消回复

      要发表评论,您必须先登录。

      搜索

      分类

      • R语言
      • TCGA数据挖掘
      • 单细胞RNA-seq测序
      • 在线会议直播预告与回放
      • 数据分析那些事儿分类
      • 未分类
      • 生信星球
      • 老俊俊的生信笔记

      投稿培训

      免费

      alphafold2培训

      免费

      群晖配置培训

      免费

      最新博文

      Nature | 单细胞技术揭示衰老细胞与肌肉再生
      301月2023
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      301月2023
      如何快速批量修改 Git 提交记录中的用户信息
      261月2023
      logo-eduma-the-best-lms-wordpress-theme

      (00) 123 456 789

      weinfoadmin@weinformatics.cn

      恒诺新知

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      链接

      • 课程
      • 事件
      • 展示
      • 问答

      支持

      • 文档
      • 论坛
      • 语言包
      • 发行状态

      推荐

      • iHub汉语代码托管
      • iLAB耗材管理
      • WooCommerce
      • 丁香园论坛

      weinformatics 即 恒诺新知。ICP备案号:粤ICP备19129767号

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      要成为一名讲师吗?

      加入数以千计的演讲者获得100%课时费!

      现在开始

      用你的站点账户登录

      忘记密码?

      还不是会员? 现在注册

      注册新帐户

      已经拥有注册账户? 现在登录

      close
      会员购买 你还没有登录,请先登录
      • ¥99 VIP-1个月
      • ¥199 VIP-半年
      • ¥299 VIP-1年
      在线支付 激活码

      立即支付
      支付宝
      微信支付
      请使用 支付宝 或 微信 扫码支付
      登录
      注册|忘记密码?