乡下人产国偷v产偷v自拍,国产午夜片在线观看,婷婷成人亚洲综合国产麻豆,久久综合给合久久狠狠狠9

  • <output id="e9wm2"></output>
    <s id="e9wm2"><nobr id="e9wm2"><ins id="e9wm2"></ins></nobr></s>

    • 分享

      KM生存分析如何取最佳的cutoff

       醫(yī)科研 2021-01-25

        

      歡迎來(lái)到醫(yī)科研,這里是白介素2的讀書(shū)筆記,跟我一起聊臨床與科研的故事, 生物醫(yī)學(xué)數(shù)據(jù)挖掘,R語(yǔ)言,TCGA、GEO, SEER數(shù)據(jù)挖掘。



      KM生存分析

      如何取最佳cutoff

      • KM生存分析中通常取中位值作為cutoff,但也并不一定是這樣

      • 必要時(shí)可以選擇最佳的cutoff值,如何實(shí)現(xiàn)?### survival package

      1library(survival)
      2library(survminer)
      3## Loading required package: ggplot2
      4## Loading required package: ggpubr
      5## Loading required package: magrittr

      surv_cutpoint函數(shù)

      • data:包含生存數(shù)據(jù)和連續(xù)變量的的數(shù)據(jù)框

      • time, event:column names containing time and event data, respectively. Event values sould be 0 or 1.

      官方示例

      1# 0. Load some data
      2data(myeloma)
      3head(myeloma)
      4##          molecular_group chr1q21_status treatment event  time   CCND1
      5## GSM50986      Cyclin D-1       3 copies       TT2     0 69.24  9908.4
      6## GSM50988      Cyclin D-2       2 copies       TT2     0 66.43 16698.8
      7## GSM50989           MMSET       2 copies       TT2     0 66.50   294.5
      8## GSM50990           MMSET       3 copies       TT2     1 42.67   241.9
      9## GSM50991             MAF           <NA>       TT2     0 65.00   472.6
      10## GSM50992    Hyperdiploid       2 copies       TT2     0 65.20   664.1
      11##          CRIM1 DEPDC1    IRF4   TP53   WHSC1
      12## GSM50986 420.9  523.5 16156.5   10.0   261.9
      13## GSM50988  52.0   21.1 16946.2 1056.9   363.8
      14## GSM50989 617.9  192.9  8903.9 1762.8 10042.9
      15## GSM50990  11.9  184.7 11894.7  946.8  4931.0
      16## GSM50991  38.8  212.0  7563.1  361.4   165.0
      17## GSM50992  16.9  341.6 16023.4 2096.3   569.2

      1. Determine the optimal cutpoint of variables

      1res.cut <- surv_cutpoint(myeloma, time = "time"event = "event",
      2   variables = c("DEPDC1""WHSC1""CRIM1"))
      3
      4summary(res.cut)
      5##        cutpoint statistic
      6## DEPDC1    279.8  4.275452
      7## WHSC1    3205.6  3.361330
      8## CRIM1      82.3  1.968317

      2. Plot cutpoint for DEPDC1

      1# palette = "npg" (nature publishing group), see ?ggpubr::ggpar
      2plot(res.cut, "DEPDC1", palette = "npg")
      3## $DEPDC1
      image.png

      3. Categorize variables

      1res.cat <- surv_categorize(res.cut)
      2head(res.cat)
      3##           time event DEPDC1 WHSC1 CRIM1
      4## GSM50986 69.24     0   high   low  high
      5## GSM50988 66.43     0    low   low   low
      6## GSM50989 66.50     0    low  high  high
      7## GSM50990 42.67     1    low  high   low
      8## GSM50991 65.00     0    low   low   low
      9## GSM50992 65.20     0   high   low   low

      4. Fit survival curves and visualize

      1library("survival")
      2fit <- survfit(Surv(time, event) ~DEPDC1, data = res.cat)
      3ggsurvplot(fit, data = res.cat, risk.table = TRUE, conf.int = TRUE)
      image.png

      參考資料

      官方文檔


      本期內(nèi)容就到這里,我是白介素2,下期再見(jiàn),點(diǎn)擊下方框框留言。

        轉(zhuǎn)藏 分享 獻(xiàn)花(0

        0條評(píng)論

        發(fā)表

        請(qǐng)遵守用戶(hù) 評(píng)論公約

        類(lèi)似文章 更多