我对包括非二元分类变量的多变量 cox 回归分析有疑问。我的数据由几个变量组成,其中一些是二元的(如性别、年龄超过 70 岁等),而其余的则不是(例如,ECOG)
我尝试了 analyse_multivariate 函数和 coxph 函数,但似乎我只能获得关于非分类变量的总体风险比,但我想知道变量的总体风险比和变量中子类别的个体风险比(如 ECOG 0、ECOG 1、ECOG 2 和整体 ECOG 的风险比)
我在这个过程中尝试的是这样的:
(1)
ECOG = as.factor(df$ECOG)
analyse_multivariate(data=df,
time_status = vars(df$OS, df$survival_status==1),
covariates = vars(df$age70, df$sex, ECOG),
reference_level_dict = c(ECOG==0))
结果是这样的:
Hazard Ratios:
factor.id factor.name factor.value HR Lower_CI Upper_CI Inv_HR Inv_Lower_CI Inv_Upper_CI
df$age70 df$age70 <continuous> 1.07 0.82 1.41 0.93 0.71 1.22
ECOG:4 ECOG 4 1.13 0.16 8.19 0.89 0.12 6.43
df$sex df$sex <continuous> 1.87 0.96 3.66 0.53 0.27 1.04
ECOG:1 ECOG 1 2.14 1.63 2.81 0.47 0.36 0.61
ECOG:3 ECOG 3 12.12 7.83 18.76 0.08 0.05 0.13
ECOG:2 ECOG 2 13.72 4.92 38.26 0.07 0.03 0.2
(2)
analyse_multivariate(data=df,
time_status = vars(df$OS, df$survival_status==1),
covariates = vars(df$age70, df$sex, df$ECOG),
reference_level_dict = c(ECOG==0))
结果是:
Hazard Ratios:
factor.id factor.name factor.value HR Lower_CI Upper_CI Inv_HR Inv_Lower_CI Inv_Upper_CI
df$age70 df$age70 <continuous> 0.89 0.68 1.16 1.13 0.86 1.47
df$sex df$sex <continuous> 1.87 0.96 3.65 0.53 0.27 1.04
df$ECOG df$ECOG <continuous> 1.9 1.69 2.15 0.53 0.47 0.59
如果我使用 (2) 中的 ECOG 总 p 值并在 p 值 <0.05 时将 ECOG 视为显着变量,并结合 (1) 中的个体 ECOG 状态的个体风险比,是否有意义?
喜欢生成如下表:
p-value 0.01
ECOG 1 Reference
ECOG 2 13.72 (4.92-38.26)
ECOG 3 12.12 (7.83-18.76)
ECOG 4 1.13 (0.16-8.19)
我相信有更好的解决方案,但找不到。
任何意见将不胜感激!先感谢您。