单因素、多因素COX回归分析在R中的实现与常见问题解答 | 您所在的位置:网站首页 › cox单因素分析没有hr在哪里 › 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 |
CopyRight 2018-2019 实验室设备网 版权所有 |