| R语言实战医学统计 | 您所在的位置：网站首页 › r语言做回归分析R方不一样 › R语言实战医学统计 |
|
44 亚组分析和多因素回归的森林图
森林图作为临床文献中常见的图形，相信大家已经不陌生了，我们在之前也介绍过多次森林图的绘制方法了，包括亚组分析的R语言实现等，公众号后台回复森林图即可获取合集。 不知道大家有没有注意过，亚组分析的森林图和多因素回归的森林图几乎长得一模一样！比如以下两幅森林图： 不得不说，这两幅图的样式虽然不一样，但是都显示了HR及可信区间、P值等信息，而且两幅图都有亚组，我在刚开始学习的时候也是非常疑惑，但是当我手动实现过亚组分析和多因素回归的森林图后，一切就很简单了，无非是长得像而已，但是表达的意思完全不一样！ 44.1 准备数据使用survival包中的colon数据集用于演示，这是一份关于结肠癌患者的生存数据，共有1858行，16列，共分为3个组，1个观察组+2个治疗组，观察他们发生终点事件的差异。 各变量的解释如下： id：患者id study：没啥用，所有患者都是1 rx：治疗方法，共3种，Obs(观察组), Lev(左旋咪唑), Lev+5FU(左旋咪唑+5-FU) sex：性别，1是男性 age：年龄 obstruct：肠梗阻，1是有 perfor：肠穿孔，1是有 adhere：和附近器官粘连，1是有 nodes：转移的淋巴结数量 status：生存状态，0代表删失，1代表发生终点事件 differ：肿瘤分化程度，1-well,2-moderate,3-poor extent：局部扩散情况，1-submucosa，2-muscle，3-serosa，4-contiguous_structures surg：手术后多久了，1-long,2-short node4：是否有超过4个阳性淋巴结，1代表是 time：生存时间 etype：终点事件类型，1-复发，2-死亡 rm(list = ls()) library(survival) str(colon) ## 'data.frame': 1858 obs. of 16 variables: ## $ id : num 1 1 2 2 3 3 4 4 5 5 ... ## $ study : num 1 1 1 1 1 1 1 1 1 1 ... ## $ rx : Factor w/ 3 levels "Obs","Lev","Lev+5FU": 3 3 3 3 1 1 3 3 1 1 ... ## $ sex : num 1 1 1 1 0 0 0 0 1 1 ... ## $ age : num 43 43 63 63 71 71 66 66 69 69 ... ## $ obstruct: num 0 0 0 0 0 0 1 1 0 0 ... ## $ perfor : num 0 0 0 0 0 0 0 0 0 0 ... ## $ adhere : num 0 0 0 0 1 1 0 0 0 0 ... ## $ nodes : num 5 5 1 1 7 7 6 6 22 22 ... ## $ status : num 1 1 0 0 1 1 1 1 1 1 ... ## $ differ : num 2 2 2 2 2 2 2 2 2 2 ... ## $ extent : num 3 3 3 3 2 2 3 3 3 3 ... ## $ surg : num 0 0 0 0 0 0 1 1 1 1 ... ## $ node4 : num 1 1 0 0 1 1 1 1 1 1 ... ## $ time : num 1521 968 3087 3087 963 ... ## $ etype : num 2 1 2 1 2 1 2 1 2 1 ...为了演示，我们只选择Obs组和Lev+5FU组的患者，所有的分类变量都变为factor，把年龄也变为分类变量并变成factor。 library(tidyverse) df % mutate(rx=as.numeric(rx)) %>% filter(etype == 1, !rx == 2) %>% #rx %in% c("Obs","Lev+5FU"), select(time, status,rx, sex, age,obstruct,perfor,adhere,differ,extent,surg,node4) %>% mutate(sex=factor(sex, levels=c(0,1),labels=c("female","male")), age=ifelse(age >65,">65","65","65"," |
| CopyRight 2018-2019 实验室设备网 版权所有 |