問題タブ [cox-regression]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
r - Cox モデル後の代入データの結合
テーブルに欠落しているデータを代入し、代入されたテーブルで Cox モデルを実行したいと考えています。
自分のデータで実行する代入と、代入されたデータで実行する cox モデルを取得できますが、値の一部が代入されたデータセットからの cox 出力を表示する方法がわかりません (つまり、特に出力のハザード比と P 値)。
コマンドは次のとおりです。
次に、関連する変数が因子であることを確認します (たとえば、コホートを 0 または 1 にして、これらが異なるカテゴリとして認識されるようにします)。
次に、後で Cox モデルを解釈しやすくするために、因子を再レベル化します。
次に、データを代入しました。2 レベルを超えるカテゴリ データの場合は polyreg、3 レベルの因子の場合は logreg です。
次に、Cox モデルを実行して、帰属データセットで実行しました。
出力は 5 つの cox モデル分析です。情報がまとまらず困っています。「pool(cox_with_imp)」と入力すると、いくつかの統計情報が表示されます。しかし、HR 値と P 値を含む「プールされた」テーブルが必要です。
5 つの帰属 Cox モデルを、HR 値と P 値を持つ 1 つのコンセンサス Cox モデルにプールするために私が入力したコマンドを知っている人はいますか?
ありがとう。
r - R のコンコーダンス インデックス プロットに p 値を追加するにはどうすればよいですか?
私の生存分析タスクでは、cox 比例モデルを使用して、データセットのさまざまなグループの一致指数 (c-index) 値を計算しました。c-index プロットに p 値を追加して、この図のように異なるグループを比較するにはどうすればよいでしょうか?
ここに私のコードがあります:
前もって感謝します、
r - Rのコックス回帰の後にデータフレームに予測ハザード比の列を追加する
RでCox PH回帰を実行した後、データフレームに予測ハザード比の列を追加する必要があります。データフレームは、会社識別子と年齢が時間識別子の場合はnumgvkeyのパネルデータです。このリンクから日付の一部をダウンロードできます: https://drive.google.com/file/d/0B8usDJAPeV85VFRWd01pb0h1MDA/view?usp=sharing
私は次のことをしました:
「sme」データフレームに「ハザード比」(hr) の 5 番目の列を追加するにはどうすればよいですか? また、「hr」ではなく EVENT2 の確率を予測する方法はありますか?
r - Cox PH モデルから確率を予測する
coxモデルを使用して、時間の経過後の失敗の確率を予測しようとしています(停止と呼ばれます)3.
ただし、予測関数の出力はすべて 0 ~ 1 の範囲ではありません。関数はありますか、または lp 予測とベースライン ハザード関数を使用して確率を計算するにはどうすればよいですか?
r - R predict.cox 関数の種類が必要です
予測にはcoxモデルを使用しています。
predict.coxph doc では、予想されるタイプは「共変量とフォローアップ時間が与えられたイベントの予想数」であると書かれています。ここでフォローアップ時間とはどういう意味ですか? どうすれば変更できますか?
r - ハザードラジオ、死亡率、または死亡率をy軸に制限された3次スプラインをプロットする方法は?
1) 次の例で、y 軸を「オッズ比」、「死亡率」、「死亡率」の「適合」に変更するにはどうすればよいですか?
2) 次の例で、y 軸を「fit2」の「ハザード比」に変更するにはどうすればよいですか?
私はあなたの助けを楽しみにしています!
更新 1 BondedDust の回答に続いて、次のように書いています。
死亡する全体の確率は 44.5% であるため、予測された確率の計算と結果のプロットは、統計学者ではない私には正しいように見えますね。