时间戳

首页 > 解决方案 > cox回归输出表或R中的图

html - cox回归输出表或R中的图

问题描述

我有一个 Cox 回归，它使用strata()和一个tt().

是否有任何软件包可以帮助以表格格式生成美观、信息丰富的结果输出？虽然ggforest()处理tt()它不处理strata()

我正在寻找任何方式来产生一个合适的输出，而不是 print summary(coxph)。无论是 Latex 还是 HTML。

到目前为止，唯一的解决方案是自己构建表格，但这看起来并不吸引人，无法放入论文中......

这是虚拟数据集：

set.seed(132456)
'dummy survival data'
df<-data.frame(id=seq(1,1000,1), event=rep(0,1000),time=floor(runif(1000,7,10)),group=floor(runif(1000,0,2)), 
               var1 = rnorm(1000, 1, 3), var2 = seq(1,1000))
'set events for a few random subjects'

id_list<-c(as.numeric(floor(runif(500,1,1000))))
df$event[df$id %in% id_list]<-1

'set survival times for events'
t_list<-c(as.numeric(floor(runif(394,1,5))))
df2<-df[df$event==1,]
df2$time<-t_list


'combine data'
df<-rbind(df,df2)
summary(df)

'Set up surfit '
require(survminer)
KM_fit<-coxph(Surv(time , event) ~ tt(var2) + strata(group)+ var1 ,data= df)

ggforest()返回以下错误：

> ggforest(KM_fit)
Error in `[.data.frame`(data, , var) : undefined columns selected
additional warning:
In .get_data(model, data = data) :
  The `data` argument is not provided. Data will be extracted from model fit.

如果省略，该ggforest()功能将起作用。strata但是我处理的模型使用它....所以没有解决方案。

下面返回一个非常基本的表格，如果我对布局有更多了解，可以使用它，但它真的不漂亮！

# Prepare the columns
beta <- coef(KM_fit)
se   <- sqrt(diag(KM_fit$var))
p    <- 1 - pchisq((beta/se)^2, 1)
CI <- round(exp(confint(KM_fit)), 2)

# Bind columns together, and select desired rows
res <- cbind(beta, se = exp(beta), CI, p)


# Print results in a LaTeX-ready form
knitr::kable(
xtable(res)
)

感谢任何提示和技巧！

非常感谢！

也试过finalfit()没有成功....

标签： htmlrr-markdownsurvival-analysiscox-regression

解决方案

以下是一些选项，具体取决于您希望在决赛桌中包含的内容。

coxph(Surv(time , event) ~ tt(var2) + strata(group)+ var1 ,data= df) %>% 
  finalfit::fit2df() %>% 
  knitr::kable()

coxph(Surv(time , event) ~ tt(var2) + strata(group)+ var1 ,data= df) %>% 
  finalfit::fit2df(condense = FALSE) %>% 
  knitr::kable()

coxph(Surv(time , event) ~ tt(var2) + strata(group)+ var1 ,data= df) %>% 
  broom::tidy(exp = TRUE)

编辑

该digits参数用于压缩输出。如果您将值输出为数字，则在打印之前它们不会被四舍五入。所以这里有两个选项。

> coxph(Surv(time , event) ~ tt(var2) + strata(group)+ var1 ,data= df) %>% 
+   finalfit::fit2df(digits = c(3,3,3)) %>% 
+   knitr::kable()


|explanatory |HR                           |
|:-----------|:----------------------------|
|tt(var2)    |0.998 (0.995-1.001, p=0.211) |
|var1        |1.006 (0.983-1.029, p=0.616) |
> 
> coxph(Surv(time , event) ~ tt(var2) + strata(group)+ var1 ,data= df) %>% 
+   finalfit::fit2df(condense = FALSE) %>% 
+   knitr::kable(digits = c(0, 2, 3, 4, 5))


|explanatory |   HR|   L95|    U95|       p|
|:-----------|----:|-----:|------:|-------:|
|tt(var2)    | 1.00| 0.995| 1.0010| 0.21097|
|var1        | 1.01| 0.983| 1.0294| 0.61612|
>

在 Finalfit 中编辑 2标签变量很容易。tt()目前不支持故障。

df %>% 
  mutate(
    var1 = ff_label(var1, "Pretty var1"),
    var2 = ff_label(var2, "Also very pretty var2"),
    group = factor(group) %>% 
      ff_label("Group (strata)")
    ) %>% 
  finalfit("Surv(time, event)", c("var1", "var2", "strata(group)"), column = TRUE)

 Dependent: Surv(time, event)                     all          HR (univariable)        HR (multivariable)
                  Pretty var1 Mean (SD)     0.9 (3.1) 1.01 (0.98-1.03, p=0.636) 1.01 (0.98-1.03, p=0.646)
        Also very pretty var2 Mean (SD) 504.5 (288.3) 1.00 (1.00-1.00, p=0.479) 1.00 (1.00-1.00, p=0.484)
               Group (strata)         0    714 (51.2)                         -                         -
                                      1    680 (48.8)                         -                         -

正如你所说，你可以手动编辑简单的表格

coxph(Surv(time , event) ~ tt(var2) + strata(group)+ var1 ,data= df) %>% 
  finalfit::fit2df(condense = FALSE) %>%
  mutate(
    explanatory = c("Pretty var2 (time dependent)", "Also pretty var1")
  ) %>% 
  knitr::kable(digits = c(3,3,3,3,3))

|explanatory                  |    HR|   L95|   U95|     p|
|:----------------------------|-----:|-----:|-----:|-----:|
|Pretty var2 (time dependent) | 0.998| 0.995| 1.001| 0.211|
|Also pretty var1             | 1.006| 0.983| 1.029| 0.616|

推荐阅读