Я знаю, что были вопросы по этому поводу, но я не мог решить их. Я пытаюсь написать функцию, представленную здесь (http://www.sthda.com/english/wiki/cox-proportional-hazards-model) и здесь ( Получение P-значений нуля в регрессии Кокса: R ). что мои данные:
Classes ‘tbl_df’, ‘tbl’ and 'data.frame': 453 obs. of 32 variables:
$ ID_Patient : num ...
$ IO_s : Factor w/ 5 levels "Nivolumab","Atezolizumab",..: 3 1 5 1 1 3 5 1 1 1 ...
$ XRT_s : Factor w/ 7 levels "no","Bone Palliative",..: 1 1 1 1 1 2 3 1 1 1 ...
$ XRT_dose : Factor w/ 7 levels "no",">1-10",">10-20",..: 1 1 1 1 1 4 2 1 1 1 ...
$ XRT_dose2 : Factor w/ 5 levels "no",">1-10",">10-20",..: 1 1 1 1 1 4 2 1 1 1 ...
$ Fraction_XRT : Factor w/ 3 levels "no","<=3",">3": 1 1 1 1 1 3 2 1 1 1 ...
$ Fraction_size : Factor w/ 5 levels "no","<=2",">3-4",..: 1 1 1 1 1 3 3 1 1 1 ...
$ OS : num 2 1 19 3 0 0 11 3 0 0 ...
$ OS_status : num 1 1 1 1 1 0 1 1 1 1 ...
$ Diagnosis_s : Factor w/ 3 levels "Adenocarcinoma",..: 3 1 1 3 1 1 1 1 3 2 ...
$ Age : num 79 67 78 79 83 79 78 71 75 74 ...
$ Sex : Factor w/ 2 levels "Male","Female": 1 2 2 1 2 1 1 2 2 2 ...
$ Mutation : Factor w/ 8 levels "negative","ALK",..: 1 4 5 1 5 1 1 1 1 1 ...
$ N_tx_line : Factor w/ 2 levels "0",">1": 2 2 1 2 2 1 1 2 2 2 ...
$ Cohort : chr "IO_only" "IO_only" "IO_only" "IO_only" ...
$ Cohort2 : chr "IO_only" "IO_only" "IO_only" "IO_only" ...
$ Cohort3 : chr "IO_only" "IO_only" "IO_only" "IO_only" ...
$ Cohort4 : chr "IO_only" "IO_only" "IO_only" "IO_only" ...
$ Cohort5 : chr "IO_only" "IO_only" "IO_only" "IO_only" ...
$ Cohort6 : chr "IO_only" "IO_only" "IO_only" "IO_only" ...
$ PS_at_IO : Factor w/ 5 levels "0","1","2","3",..: 2 1 2 2 2 2 1 2 5 3 ...
$ Albumin : num 3.1 2.9 3.1 2.6 NA 3.6 NA 3.8 2.2 2.4 ...
$ NLR : num 5.18 13.35 6.43 7.87 2.29 ...
$ Albumin_cohort : Factor w/ 2 levels "Low","Normal_Up": 1 1 1 1 NA 2 NA 2 1 1 ...
$ Timing_XRT : chr "no" "no" "no" "no" ...
$ Diff_month_IO_XRT: num NA NA NA NA NA 1 11 NA NA NA ...
$ Site_XRT : chr NA NA NA NA ...
$ Status : chr "Dead" "Dead" "Dead" "Dead" ...
$ Txline_beforeIO : Factor w/ 6 levels "0","1","2","3",..: 2 5 1 2 2 1 1 2 2 2 ...
$ Dose_XRT : num 0 0 0 0 0 24 3 0 0 0 ...
$ N_fraction : num NA NA NA NA NA 6 1 NA NA NA ...
$ Size_fraction : num NA NA NA NA NA 4 3 NA NA NA ...
Итак, вы можете видеть, я пытаюсь выполнить регрессию Кокса с факторами. Например, одномерный кокс для PS_at_IO:
coxph(formula = Surv(OS, OS_status) ~ PS_at_IO, data = analysis)
coef exp(coef) se(coef) z
PS_at_IO1 0.5699 1.7680 0.1606 3.549
PS_at_IO2 1.1077 3.0273 0.1751 6.327
PS_at_IO3 1.8515 6.3692 0.2137 8.666
PS_at_IO4 3.4599 31.8147 0.5350 6.467
p
PS_at_IO1 0.000387
PS_at_IO2 2.5e-10
PS_at_IO3 < 2e-16
PS_at_IO4 1.0e-10
Likelihood ratio test=93.18 on 4 df, p=< 2.2e-16
n= 453, number of events= 280
Но, когда я пытаюсь выполнить функцию make, как описано в руководствах: оба дают неверный результат p-значения. для первого руководства (да, это pvalue, и я не понимаю, как оно рассчитывается):
PS_at_IO 1.1 (2.1-4.3)
для второго руководства:
HR 2.5 % 97.5 % Pval
PS_at_IO1 1.768025 1.290663 2.421943 1.768025
PS_at_IO2 3.027252 2.147970 4.266473 1.768025
PS_at_IO3 6.369232 4.190071 9.681726 1.768025
PS_at_IO4 31.814744 11.148095 90.793800 1.768025
Я немного запутался. Я пытался объединить функции для извлечения p-значения, но безуспешно.