欢迎大家关注我的公众号:一只勤奋的科研喵
有没有一次性输出单因素和多因素Cox回归结果的代码??
一般情况下,我们取单因素Cox结果中p<0.05的变量进行多因素分析。这样可能就导致了单因素和多因素分析的变量数目不一致。因此,按照通常做法是很难实现合并的。
今天,小编终于解决了这个问题。在导入任意数据后,只需简单修改3处代码,即可轻松输出单因素合并多因素Cox回归三线表!!!
最终结果:
载入R包和数据
#1.载入R包
library(survival)
library(plyr)
#2.清理工作环境
rm(list = ls())
#3.读入数据
aa<- read.csv('20210207.csv')
#4.查看数据数据性质
str(aa)
#5.查看结局,0=复发,1未复发
aa$status<-factor(aa$status)
summary(aa$status)
为展示各种情况,数据中age为连续变量,而分类变量有2分类,也有多分类。
一、批量单因素回归
只需改第1步和第3-(2)步。
第1步中换成你数据的随访时间名字、结局的名字以及感兴趣的事件,这里练习数据为以及 , 0为复发;
第3-(2)步,选择你的数据中想要做分析的变量的序号,即绿色部分。
其余代码均不动。
#1.构建模型的y
y<- Surv(time=aa$time,event=aa$status==0)#0为复发
#2.批量单因素回归模型建立:Uni_cox_model
Uni_cox_model<- function(x){
FML <- as.formula(paste0 ("y~",x))
cox<- coxph(FML,data=aa)
cox1<-summary(cox)
HR <- round(cox1$coefficients[,2],2)
PValue <- round(cox1$coefficients[,5],3)
CI5 <-round(cox1$conf.int[,3],2)
CI95 <-round(cox1$conf.int[,4],2)
Uni_cox_model<- data.frame('Characteristics' = x,
'HR' = HR,
'CI5' = CI5,
'CI95' = CI95,
'p' = PValue)
return(Uni_cox_model)}
#3.将想要进行的单因素回归变量输入模型
#3-(1)查看变量的名字和序号
names(aa)
#3-(2)输入变量序号
variable.names<- colnames(aa)[c(3:10)] #例:这里选择了3-10号变量
#4.输出结果
Uni_cox <- lapply(variable.names, Uni_cox_model)
Uni_cox<- ldply(Uni_cox,data.frame)
#5.优化表格,这里举例HR+95% CI+P 风格
Uni_cox$CI<-paste(Uni_cox$CI5,'-',Uni_cox$CI95)
Uni_cox<-Uni_cox[,-3:-4]
#查看单因素cox表格
View(Uni_cox)
二、单因素回归p<0.05做多因素回归
一个代码都不需要改
#1.提取单因素p<0.05变量
Uni_cox$Characteristics[Uni_cox$p<0.05]
#2.多因素模型建立
mul_cox_model<- as.formula(paste0 ("y~",
paste0(Uni_cox$Characteristics[Uni_cox$p<0.05],
collapse = "+")))
mul_cox<-coxph(mul_cox_model,data=aa)
cox4<-summary(mul_cox)
#3.提取多因素回归的信息
mul_HR<- round(cox4$coefficients[,2],2)
mul_PValue<- round(cox4$coefficients[,5],4)
mul_CI1<-round(cox4$conf.int[,3],2)
mul_CI2<-round(cox4$conf.int[,4],2)
#4.多因素结果优化并成表:mul_cox1
mul_CI<-paste(mul_CI1,'-',mul_CI2)
mul_cox1<- data.frame("HR"=mul_HR,"CI"=mul_CI, "P"=mul_PValue)
三、两表整合成一个表
只需按自己数据,修改第1步的绿色部分即可完成最终的三线表:
、
、
、
本文参考文章:https://t.1yb.co/h8Gh