這次給大家介紹CatPredi包，這個(gè)包不僅能計(jì)算結(jié)局為time to event ，而且還能對(duì)于結(jié)局變量為分類變量時(shí)確定連續(xù)自變量的截?cái)嘀?，并且支持截?cái)嘀捣秶皞€(gè)數(shù)選擇，最重要的是他可以在擬合模型的前提下確定截?cái)嘀担梢哉f(shuō)在選擇截?cái)嘀颠@一數(shù)據(jù)處理上功能十分強(qiáng)大，不過(guò)這個(gè)包不能直接繪圖，后續(xù)需借助其包的函數(shù)可視化。

優(yōu)點(diǎn)：可以確定截?cái)嘀档膫€(gè)數(shù)及取值范圍；可以在擬合COX模型前提下尋找截?cái)嘀?，即其截?cái)嘀颠m用于多元回歸；可以自由選擇確定截?cái)嘀档姆椒ā?/h3>

缺點(diǎn)：結(jié)果無(wú)法直接可視化；一次只能計(jì)算一個(gè)自變量的截?cái)嘀怠?/h3>

推薦指數(shù)：★★★★★ (五星)（后期結(jié)合gg系列完美解決）

library(survival)
library(survminer)
library(tidyverse)
library(CatPredi)
data(myeloma)
str(myeloma)

數(shù)據(jù)集結(jié)構(gòu)

以下是主函數(shù)，所有形式參數(shù)均沒(méi)有省略

res <- catpredi.survival (formula= Surv(time,event)~1,#截?cái)嘀邓诘姆匠蹋?代表進(jìn)行單因素分析 
                          cat.var="TP53", #截?cái)嘀颠x擇列
                          cat.points = 2,#構(gòu)建幾個(gè)最佳截?cái)嘀?，這里選擇2個(gè)
                          data =myeloma , #數(shù)據(jù)集
                          method = "addfor",#選擇構(gòu)建最佳截?cái)嘀捣椒?                          conc.index = "cindex", #最佳截?cái)嘀荡_定的方法，還有一個(gè)cpe法
                          range = NULL,#截?cái)嘀颠x擇范圍，這是設(shè)定默認(rèn)全部范圍 
                          correct.index = T) #顯示矯正C指數(shù)
summary(res)

summary的結(jié)果，可以看到最佳截?cái)嘀?/div>

plot(res)#繪制最佳截?cái)嘀颠x擇情況

最佳截?cái)嘀颠x擇情況及依據(jù)

后續(xù)進(jìn)行圖表繪制

df <- res[["data"]]#提取新數(shù)據(jù)集，最后一列為新加分組列
df$tp53cat <- df[,ncol(df)]#重命名列名稱
df$tp53cat <- factor(df$tp53cat,labels = c("low","middle","high"))#根據(jù)數(shù)值高低分組

以下用新的列表畫圖展示

fit <- survfit(Surv(time, event) ~tp53cat, data = df)#擬合方程
ggsurvplot(fit,
           data = df,
           risk.table = TRUE,
           pval = T)

生存曲線圖