conf.int = TRUE, pval = TRUE, surv.median.line = "hv", risk.table = TRUE, palette = "hue") surv_cutpoint函数基于maxstat包的maxstat.text函数计算出的Maximally selected rank statistics。cutoff包则是在自由度固定的情况下计算logrank卡方值。个人使用经验来说,surv_cutpoint函数很多时候的表现更好。
自带的surv_cutpoint()可用于寻找最佳切点,但是只能用于连续性数据。 使用myeloma数据进行演示。 rm(list = ls()) # 0. Load some data data(myeloma) head(myeloma) ## molecular_group chr1q21_status treatment event time CCND1 CRIM1 ## GSM50986 Cyclin D-1 3 copies TT2 0 69.24 9908.4 420.9 ##...
在确定截断值时,应参考相关文献和指南,如果文献中没有报道,可以用survminer包的surv_cutpoint函数通过Maximally Selected Test Statistics选择Log-rank检验的统计量最大(相应地,P值最小)的截断值,作为“最佳截断值”。这里继续使用“mayo”进行演示,将mayoscore5转为二分类变...
在确定截断值时,应参考相关文献和指南,如果文献中没有报道,可以用survminer包的surv_cutpoint函数通过Maximally Selected Test Statistics选择Log-rank检验的统计量最大(相应地,P值最小)的截断值,作为“最佳截断值”。这里继续使用“mayo”进行演示,将mayoscore5转为二分类变量。注:#开头的行为注释。 library(survminer...
使用surv_cutpoint函数找到最优cutoff 代码语言:javascript 代码运行次数:0 运行 AI代码解释 res.cut<-surv_cutpoint(myeloma,time="time",event="event",variables=c("TP53","WHSC1"))#可以添加多列summary(res.cut)#查看最佳cutoff cutpoint statisticTP53748.32.928906WHSC13205.63.361330 ...
surv_cutpoint(): pairwise_survdiff(): Cox模型的诊断 ggcoxzph(): ggcoxdiagnostics(): ggcoxfunctional(): Cox模型总汇总 ggforest(): ggcoxadjustedcurves(): 竞争风险模型 ggcompetingrisks(): 关于Cox模型诊断和汇总在之前的推文中已经进行过详细的讲解:R语言生存分析:Cox回归 ...
自带的surv_cutpoint()可用于寻找最佳切点,但是只能用于连续性数据。 使用myeloma数据进行演示。 rm(list=ls()) # 0. Load some data data(myeloma) head(myeloma) ## molecular_group chr1q21_status treatment event time CCND1 CRIM1 ## GSM50986 Cyclin D-1 3 copies TT2 0 69.24 9908.4 420.9 ...
y.pred <- predict(RF_obj)[["predicted"]]plot(surv_cutpoint(dataSet, time = "ttodead", event = "died", variables = c("y.pred")), "y.pred", palette = "npg")运行后得到下图（原文中的figure5），就说明我们这个模型的风险分截断值应该为43.21：然后根据这个风险分我们就可以将原始人群...
surv_cutpoint函数基于Maximally selected rank statistics(最大选择的秩统计量)来计算最佳截断值。 cutoff包: cutoff包也提供了用于寻找最佳截断值的功能,特别是在自由度固定的情况下计算logrank卡方值。 使用cutoff包的logrank函数,可以指定截点个数、分组后每组样本量占总样本量的最小比例等参数,从而找到最佳的截断...
使用surv_cutpoint函数找到最优cutoff res.cut <- surv_cutpoint(myeloma,time = "time",event = "event",variables = c("TP53", "WHSC1")) #可以添加多列summary(res.cut)#查看最佳cutoffcutpoint statisticTP53 748.3 2.928906WHSC1 3205.6 3.361330 ...