（大全）预后Cox列线图Nomogram校正曲线calibrationcurve时间依赖R。。。.pdfVIP

（⼤全）预后Cox列线图Nomogram校正曲线calibrationcurve 时间依赖R。。。 # 内内置置包包数数据据运运⾏⾏ ，，预期结果看图 部部分分 码码加加上上 ⾃⾃⼰⼰的的理理解解 #可可以以直接复制到R运⾏ #加载包 我⽤ R-3.6版本的 library(cmprsk) # 已经包含在这⾥了library(survival) library(riskRegression) library(rms) #绘制列线图 ??rms library(timeR C) library(survivalR C) library(regplot) #绘制列线图花样的 #加载数据 df- mgus2 #查看下数据变量都是什么类型的 str(df) table(is.na(df)) which(is.na(df),arr.ind = T) #试验 df2 - df[1:4,] #fix(df2) #修改了第⼀个为29 ，第三个改45 ，原来数据⽐较⼩才允许修改 #查找两列中不⼀样的 df2[-which(df2$ptime %in% df2$futime),] all(df2$ptime %in% df2$futime) # 回归本次任务 两个变量是⼀样的 all(df$ptime%in%df$futime) df[-which(df$ptime %in% df$futime),] #解释 # hgb ⾎红蛋⽩； # creat 肌酐 ； # ptime 直⾄发展为浆细胞恶性肿瘤 （PCM）或最后⼀次访视的时间 （以⽉为单位） ； # pstat 出现PCM(浆细胞恶性肿瘤) ：0 =否，1 =是 ； # futime 直到死亡或最后⼀次接触的时间，以⽉为单位 ； # death 发⽣死亡 ：0 =否，1 =是 ；这⾥把PCM作为结局事件，death作为竞争事件。 #试验 #fix(df2) #修改age第⼆个为空，原来数据⽐较⼩才允许修改 #df2 - na.omit(df2) ##删掉空值 df2 #查找缺失值 table(is.na(df)) df[which(is.na(df)),] #直接删除掉整⾏ 数据 df - na.omit(df) ##删掉空值 # df$time - ifelse(df$pstat==0, df$futime, df$ptime) df$time - df$time*30 #转化成天 df$event - ifelse(df$pstat==0, 2*df$death, 1) df$event - factor(df$event, 0:2) df[1,] class(df$event) #0为结尾数据 1=PCM 2=死于其他疾病 #绘制多个时间点的R C曲线 #绘制多个时间点的R C曲线 library(timeR C) library(survivalR C) #直接删除掉整⾏ 数据 df - na.omit(df) ##删掉空值 #这⾥使⽤ 1=结局 0=结尾数据 df$time - ifelse(df$pstat==0, df$futime, df$ptime) df$time - df$time*30 #转化成天 df$event - ifelse(df$pstat==0, 0, 1) df$event - factor(df$event, 0:1) df[1:6,] table(df$event) #看⼀下结局事件情况 class(df$event) time_ roc - timeR C( T = df$time, delta = df$event, marker = -df$hgb, #⽅向相反加个- cause = 1, weighting=marginal, #uses the Kaplan-Meier times = c(3 * 365, 5 * 365, 10 * 365), R C = T RUE, iid = T RUE ) #AUC是 结局=0 1的 竞争风险看AUC_2 #Let suppose that we are interested in the event δ_ i=1. #Then, a case