拓端tecdat|R语言辅导解释生存分析中危险率和风险率的变化
原文链接:http://tecdat.cn/?p=6432
危险率函数
让我们模拟R中的一些数据:
该代码模拟了危险函数的存活时间,即常数。
现在让我们使用R中的生存包绘制估计的生存函数:
Kaplan-Meier
95%置信区间限制非常接近此处的估计线,因为我们已经模拟了具有大样本量的数据集。
累积危险率函数
为了确定危险函数是否在变化,我们可以绘制累积危险函数,
plot(survfit,fun =“cumhaz”)
危险变化
有时危险函数不会是恒定的,这将导致累积危险函数的梯度/斜率随时间变化。
我们现在将再次模拟生存时间 :
我们再次绘制累积危险函数:
累积危险图,其中样本由50%低风险和50%高风险对象组成
该图的自然解释是受试者经历的危险随着时间的推移而减少,因为累积危险函数的梯度/斜率随时间降低。
改变风险比
在我们比较两组生存率的研究中可能出现同样的问题,例如在比较两种治疗方案的随机试验中。这种比较通常通过估算两组之间的风险比来概括,假设两组的危害比率随着时间的推移是恒定的,使用Cox的比例风险模型。
现在让我们分别按治疗组绘制累积危险函数:
如果您有任何疑问,请在下面发表评论。
▍关注我们
【大数据部落】第三方数据服务提供商,提供全面的统计分析与数据挖掘咨询服务,为客户定制个性化的数据解决方案与行业报告等。
▍咨询链接:http://y0.cn/teradat
▍联系邮箱:3025393450@qq.com
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步