cox模型做校正生存曲线问题(未填完已弃坑)

    之前做COX模型引入了4(A,B,C,D)个变量,最后做了一下其中一个变量(A)的生存曲线,即校正其他三个变量得到的一个变量的生存曲线。如图1

图1

    之后再R中用survminer包的ggadjustedcurves函数来做

ggadjustedcurves(fit, variable = NULL, data = NULL, reference = NULL,

  method = "conditional", fun = NULL, palette = "hue",

  ylab = "Survival rate", size = 1, ggtheme = theme_survminer(), ...)


图2

结果如图二,两幅图截然不同。个人觉得spss分别计算了每个样本在A变量不同情况(A=1,A=2)下的生存概率,因为数了一下spss中两条线的死亡人数。然后survminer包的函数只是给了分层的A=1,A=2的情况下控制其他变量的结果,所以两条线不同。还没想到用R怎么做spss的图。

    就在刚刚搞出来了~ggadjustedcurves的说明里边只写了strata设置,但是我们的分析并不是分层分析,我在这里纠结了很久。后来发现只要把strata去掉就可以,但是两幅图不太一样很接近,生存率还是有差异,这个没搞懂是计算方法还是什么的原因。

    线条形状大体相同但是最后结尾的生存率有差异,spss所有的生存率全部以0截止,R按照最长生存时间的的病例的生存率来算,个人暂时觉得R合适点。

2020-5-20

    继续搞问题


图3

按照ggsurvplot作图来看,ggadjustedcurves差一个风险表。

先看一下ggadjustedcurves中的代码,作图的原始数据就是surv_adjustedcurves输出的表格。ggrisktable对于coxph不能用。

图4

实话survminer中的所有函数我没看完,有没有做风险表的适不适合ggadjustedcurves我一概不知。按照我的思路ggsurvplot中肯定有risktable的制作相关内容,edit(ggsurvplot)既然要看源代码,那就把涉及到的东西都解释一下,ggsurvplot_combine:在同一绘图上合并多个survfit对象。例如,人们可能希望在同一张图上绘制无进展生存率和总生存率(也按治疗分配分层)。ggsurvplot_combine()为此提供了对ggsurvplot()函数的扩展。(贴的不想贴了,后边和risktable相关的几乎就没有,只有ggsurvplot_combine能沾上边)

图5


图6


图7

挖出来ggsurvplot_combine看一下代码,看看能不能找到和risktable相关的。其实ggsurplot_combine中和risktable相关的东西很多。risktable细节设置应该就是在这里,ggsurvplot_combine结尾的res有图9部分,所以risktable具体作图是通过ggsurvtable

图8
图9

ggsurvtable源代码中的res结果会输出三个图,表明都与.plot_survtable相关,但是在代码里我没找到.plot_survtable(),去下载了source资源,在ggsurtable包中找到了相关设置。

图10

这个太长了哈哈哈~

图11

下午的时候不知道为什么我要这么一路跑到黑……

然后打算把ggadjustedcurves中的surv生存率转换成存活人数,然后带到ggsurvtable中做图。

5月22日

因为后期项目比较着急这个代码我就放弃了,不继续填坑了……用surv_adjustedcurves中的surv计算了存活人数,用PS做了个表2小时搞定了。如果偶遇想做这个的亲可以在.plot_survtable这个脚本里改改改~

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
禁止转载,如需转载请通过简信或评论联系作者。
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,684评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,143评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,214评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,788评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,796评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,665评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,027评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,679评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,346评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,664评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,766评论 1 331
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,412评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,015评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,974评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,073评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,501评论 2 343