单因素、多因素COX回归分析在R中的实现与常见问题解答

在生信分析的过程中，单因素、多因素COX回归分析常用来筛选与患者预后有关的因素，相信很多小伙伴对此并不陌生。那么，如何在R中进行单因素、多因素COX回归分析？COX回归分析与KM生存分析的区别在哪？做了单因素COX回归分析之后为什么还要做多因素COX回归分析呢？用于筛选变量的p值要设置为多少呢？这篇文章都会给你答案，快和小碗看下去吧！

话不多说，我们直接上代码：

首先，我们要养成良好的习惯，先设置一下环境，不仅能让代码看起来更加清晰，而且能为后续运行省去很多不必要的麻烦：

#清除工作空间中的所有对象

rm(list=ls())  

#清理内存

gc()  

#设置工作路径

setwd("..")

#加载包

library(survival)

#加载示例数据

load("rdata/示例数据.rdata")  

我们用str()函数看一下示例数据df的格式：

可以看到，示例数据df是一个数据框，有50个观测（行），102个变量（列）。

使用view()函数查看df：

可以看到，df的50个观察就是50个样本，从sample1到sample50；102个变量中的前两个分别是每个样本的生存状态和生存时间，从第三个到最后一个就是我们想要进行单因素、多因素COX回归分析的100个基因了。

接下来，开始正式进行分析：

###单因素COX回归分析----

#设置p值的阈值

pfilter