나는 coxph 함수에서 변수를 조정하는 방법에 대해 매우 혼란 스럽다. 나는 하나가 strata()로 층화를 수행 할 수 있다는 것을 알고 있지만 변수를 조정하는 방법은 무엇입니까? 선형 모델에서 은, 하나는 다음 (I이 link에서보고 여기에 하나의 예) fit.diamOnMachine <- lm(diameter˜machine)
diam.adjuste
해당 이름 목록과 음모에 survfit을 적용 library(survival)
library(survminer)
surv.days<- runif(n = 50, min = 0, max = 500)
censor<- sample(c(0,1), 50, replace=TRUE)
survdata<- data.frame(surv.days, censor)
su
I 종속 값을 포함 검열 데이터 중 다수 Y 또는 간격으로 [0, Z는 ]Y를 함유하는 R의 간격 회귀를 시도하고있다. 검색 후 정확히 같은 문제를 다루지는 않지만 survival::survreg (예 : here)을 추천하는 몇 가지 출처를 발견했습니다. 그러나, 나는 그것이 내 데이터로 작동하도록 할 수 없으며 나는 특별한 경우가 있다고 가정한다. 나는
현재 세 가지 이벤트가 발생할 수있는 이벤트 시간을 모델링하려고합니다. 이것은 통신 데이터 용이며 잠금 해제 된 고객의 예상 수명을 예측하여 계약 기간이 끝난 고객을 대상으로 월 단위로 사임 할 수 있습니다. 1 년 또는 2 년 계약이 끝나면 잠금 해제 된 고객이며, 시간이 지나면 고객은 해지, 유지 (신규 계약 체결) 또는 잠금 해제 된 고객 유지 (따라
R에 KM 곡선을 그려야하지만 먼저 생존 개체에 맞춰야합니다. 나는 각 행이 그룹 A 또는 그룹 B에있는 환자에 해당하는 100 개의 행으로 구성된 데이터 세트를 가지고 있습니다. 그룹 A에 대한 KM 곡선 대 (동일한 플롯에서) 플롯 할 수 있습니다. 그룹 B 대 그룹 A + B (모두들). 내가 가지고있는 문제는 그룹 변수를 만드는 방법을 알아내는 것입
저는 R을 처음 사용하기 때문에 검열 데이터에서 상관 관계를 찾기 위해 생존 분석을 사용하려고합니다. x 데이터는 원시 별의 봉투 질량입니다. y 데이터는 관찰 된 분자 선의 강도이며 일부 값은 상한값입니다. 데이터는 다음과 같습니다 내가 데이터를 그릴 때, 그러나 summary(modeldata)
Call:
survreg(formula = Surv(
여기에서는 rcs 용어로 생존 모델을 시연했습니다. rms 패키지에서 anova()가 선형성 연결을 테스트하는 방법인지 궁금합니다. 그리고 어떻게 비선형 항의 P 값을 해석 할 수 있습니까 (0.094 참조), cox 모델에 rcs() 항을 추가 할 수 있습니까? library(rms)
data(pbc)
d <- pbc
rm(pbc, pbcseq)
환자의 생존 데이터가 있습니다. 그들 중 일부는 검열되었다. 내가 적합 할 모든 다른 기능 (예 는 지수, 이블 등)이 잘 작동 난다면 R.에서 flexsruv 패키지 경험적 데이터에 일반화 감마 함수를 적합 할 dist = "gengamma"에 대한 다음과 같은 오류 코드 :: db.survival <- data.frame(time = c(101, 111
ggplot의 두 그룹 각각에 대해 Kaplan-Meier 생존 추정치를 플로팅하고 싶습니다. 이렇게하려면 각 그룹에 대해 별도의 생존 곡선을 얻어야합니다. survival 패키지의 survfit 함수는 멋지게 나뉘지만 각 함수에 대해 별도의 플롯을 인덱싱하는 방법을 알지 못합니다. I가 맞는 경우 예 sCurve$n.event
들어 rearrest<-