0

我使用 MICE 估算数据并使用生存运行 Cox 模型。

输出是：

>                        est        se         t        df     Pr(>|t|)  
   factor(ss748)Varian 0.78109445 0.1399757 5.5802158  254.8814 6.130658e-08    
   factor(ss749)Variant 0.43698935 0.2145538 2.0367359  213.579 4.291038e-02  
   factor(ss750)Variant 0.07076991 0.1757233 0.4027350  123.730 6.878381e-01      
   factor(ss751)Variant 0.09796057 0.1304451 0.7509714 4560.5547 4.52786e-01 

>                        lo 95     hi 95      nmis        fmi     lambda  
   factor(ss748)Variant  0.50543827 1.0567506   NA 0.13203983 0.12525575              
   factor(ss749)Variant  0.01407524 0.8599035   NA 0.14480694 0.136835
   factor(ss750)Variant -0.27704297 0.4185828   NA 0.19272691 0.17978321
   factor(ss751)Variant -0.15777509 0.3536962   NA 0.02997128 0.02954597

我知道 SE 与 est 相关，所以我知道要获得 CI 来进行估计：

(est - 1.96 X se, est + 1.96 x se).

（这就是 lo 95 和 hi 95 列的含义）。我可以做哪些具体的计算来获得 HR 的 CI（即 exp(est)）？

我可以这样做：

(exp(est) -1.96 X se, exp(est) + 1.96 X se)为 HR 获取 CI 而不是 est？

说白了，如果我想用这个表来发布结果（HR=X, 95% CI=X, P Val=X），我要怎么从上表中去呢？

谢谢

4

1 回答 1

2

要获得风险比的 CI，您应该将限制指数化，而不是基值，即

exp(c(est - 1.96*se, est + 1.96* se))

或者

 exp(est+c(-1.96,1.96)*se)

（对于单个 CI；如果est和se是向量，则后一种方法将不起作用）

对于输出表，类似于：

with(output,
   data.frame(HR=exp(est),lwr=exp(est-1.96*se),upr=exp(est+1.96*se),
              pval=`Pr(>|t|)`))

（我不是 100% 确定你想要什么。）请注意，这些是正常的（不是基于 Student-t 的）置信区间，但是 df>100 只会产生非常小的差异。

于 2015-07-31T15:07:51.727 回答