使用的是cmprsk包，本例子仍然使用casebase包自带的bmtcrr数据集，将复发（Status = 1）定义为结局事件，将因为移植不良反应死亡，定义为竞争风险事件（Status = 2）。数据包如下：
第一步：加载包并读取数据
library(cmprsk) # 加载包
library(survminer) # 加载包
library(tidyverse)
library(readxl)
bmtcrr <- read_excel("/Users/xujun/Downloads/bmtcrr.xlsx") # 导入数据第二步：预览数据，并转换
View(bmtcrr) # 预览数据集
bmtcrr$sex <- factor(bmtcrr$sex, levels = c(0,1),
labels = c("male", "female"))
#首先，将分类变量因子化，设置为哑变量。
bmtcrr$sex <- factor(bmtcrr$sex) #将Sex变量因子化
bmtcrr$disease <- factor(bmtcrr$disease) #将Sex变量因子化
bmtcrr$age <- factor(bmtcrr$age) #将D变量因子化
bmtcrr$phase <- factor(bmtcrr$phase) #将Phase变量因子化
bmtcrr$source <- factor(bmtcrr$source) #将Source变量因子化第三步：所有自变量放在一个数据框里
covs <- subset(bmtcrr, select = - c(ftime, status)) #对数据进行筛选，只保留ftime和Status之外的变量
covs[, c(1:3, 5)] <- lapply(covs[, c(1:3, 5)], as.integer) #将第1-3和第5列变量强制转为整数型
str(covs) #检查数据框中的变量第四步：建立多因素分析模型
#指定failcode=1, cencode=0, 分别代表结局事件1与截尾0，其他默认为竞争风险事件2。
f2 <- crr(bmtcrr$ftime, bmtcrr$status, covs, failcode = 1, cencode = 0) #建立多因素分析模型
summary(f2) #展示结果
结果解读：在控制了竞争事件后，phase变量（疾病阶段），是患者复发的独立影响因素（P值 = 0.00052），HR值为1.514，95%CI为1.198-1.91。
原创文章（本站视频密码：66668888），作者：xujunzju，如若转载，请注明出处：https://zyicu.cn/?p=18543
微信扫一扫 
支付宝扫一扫 