💡专注R语言在🩺生物医学中的使用

设为“星标”，精彩不错过

前面我们已经讲过逻辑回归模型的校准曲线的画法，这次我们学习cox回归的校准曲线画法。

准备数据

使用自带数据lung数据集进行演示。

这个是关于肺癌的生存数据，一共有228行，10列，其中time是生存时间，单位是天，status是生存状态，1是删失，2是死亡。其余变量是自变量，意义如下：

inst：机构代码，对于我们这次建模没啥用age：年龄sex：1是男性，2是女性ph.ecog：ECOG评分。0=无症状，1=有症状但完全可以走动，2=每天<50%的时间在床上，3=在床上>50%的时间但没有卧床，4=卧床不起ph.karno：医生评的KPS评分，范围是0-100，得分越高，健康状况越好，越能忍受治疗给身体带来的副作用。pat.karno：患者自己评的KPS评分meal.cal：用餐时消耗的卡路里wt.loss：过去6个月的体重减少量，单位是磅

library(survival)rm(list = ls())dim(lung)

[1] 228  10

str(lung)

'data.frame':   228 obs. of  10 variables: $ inst     : num  3 3 3 5 1 12 7 11 1 7 ... $ time     : num  306 455 1010 210 883 ... $ status   : num  2 2 1 2 2 1 2 2 2 2 ... $ age      : num  74 68 56 57 60 74 68 71 53 61 ... $ sex      : num  1 1 1 1 1 1 2 2 1 1 ... $ ph.ecog  : num  1 0 0 1 0 1 2 2 1 2 ... $ ph.karno : num  90 90 90 90 100 50 70 60 70 70 ... $ pat.karno: num  100 90 90 60 90 80 60 80 80 70 ... $ meal.cal : num  1175 1225 NA 1150 NA ... $ wt.loss  : num  NA 15 15 11 0 0 10 1 16 34 ...

大多数情况下都是使用1代表死亡，0代表删失，这个数据集用2代表死亡，但有的R包会报错，需要注意！

我们这里给它改过来：

{jz:field.toptypename/}

library(dplyr)library(tidyr)lung <- lung %>%   mutate(status=ifelse(status == 2,1,0))str(lung)

'data.frame':   228 obs. of  10 variables: $ inst     : num  3 3 3 5 1 12 7 11 1 7 ... $ time     : num  306 455 1010 210 883 ... $ status   : num  1 1 0 1 1 0 1 1 1 1 ... $ age      : num  74 68 56 57 60 74 68 71 53 61 ... $ sex      : num  1 1 1 1 1 1 2 2 1 1 ... $ ph.ecog  : num  1 0 0 1 0 1 2 2 1 2 ... $ ph.karno : num  90 90 90 90 100 50 70 60 70 70 ... $ pat.karno: num  100 90 90 60 90 80 60 80 80 70 ... $ meal.cal : num  1175 1225 NA 1150 NA ... $ wt.loss  : num  NA 15 15 11 0 0 10 1 16 34 ...

然后把数据划分为训练集、测试集，下面这个划分方法是错的哈，庄闲和这个示例数据样本量太少了，我想让训练集和测试集样本量都尽量多一点，所以用了一个错误的方法进行演示：

set.seed(123)ind1 <- sample(1:nrow(lung),nrow(lung)*0.7)train_df <- lung[ind1,]set.seed(563435)ind2 <- sample(1:nrow(lung),nrow(lung)*0.7)test_df <- lung[ind2, ]dim(train_df)

[1] 159  10

dim(test_df)

[1] 159  10

方法1：rms

library(rms)# 必须先打包数据dd <- datadist(train_df)options(datadist = "dd")units(train_df$time) <- "day" # 单位设置为：天

构建cox比例风险模型。rms可以使用内部重抽样的方法绘制校准曲线，可以选择bootstrap法或者交叉验证法，下面我们选择500次bootstrap的内部验证方法，计算时间点为第100天的校准曲线：

# 建立cox回归模型，时间点选择1年coxfit1 <- cph(Surv(time, status) ~ sex + ph.ecog + ph.karno + wt.loss,              data = train_df, x = T, y = T, surv = T,              time.inc = 100 # 100天              )# m=40表示以40个样本为1组，一般取4-6组，我们这个数据样本量太少了# u=100和上面的time.inc对应cal1 <- calibrate(coxfit1, cmethod = "KM", method = "boot",                  u = 100, m = 40, B = 500)     # 由于样本量太少出现了警告：    Using Cox survival estimates at  100 days        Warning in groupkm(cox, Surv(y[, 1], y[, 2]), u = u, cuts = orig.cuts): one    interval had < 2 observations        Warning in groupkm(cox, Surv(y[, 1], y[, 2]), u = u, cuts = orig.cuts): one    interval had < 2 observations        Warning in groupkm(cox, Surv(y[, 1], y[, 2]), u = u, cuts = orig.cuts): one    interval had < 2 observations        Warning in groupkm(cox, Surv(y[, 1], y[, 2]), u = u, cuts = orig.cuts): one    interval had < 2 observations

训练集

接下来就是画图，可以直接使用plot()函数：

plot(cal1)

图片

也可以提取数据，自己画，以实现更多的细节控制：

建站客服QQ：88888888

plot(cal1,     lwd = 2, # 误差线粗细     lty = 1, # 误差线类型，可选0-6     errbar.col = c("#2166AC"), # 误差线颜色     xlim = c(0.7,1),ylim= c(0.7,1), # 坐标轴范围     xlab = "Prediced OS",ylab = "Observed OS",     cex.lab=1.2, cex.axis=1, cex.main=1.2, cex.sub=0.6) # 字体大小lines(cal1[,c('mean.predicted',"KM")],       type = 'b', # 连线的类型，可以是"p","b","o"      lwd = 3, # 连线的粗细      pch = 16, # 点的形状，可以是0-20      col = "tomato") # 连线的颜色box(lwd = 2) # 边框粗细abline(0,1,lty = 3, # 对角线为虚线       lwd = 2, # 对角线的粗细       col = "grey70" # 对角线的颜色       ) 

图片

测试集

然后是外部验证集的校准曲线：

# 获取测试集的预测的生存概率，这一步有没有都行estimates <- survest(coxfit1,newdata=test_df,times=100)$survvs <- val.surv(coxfit1, newdata = test_df,               S = Surv(test_df$time,test_df$status),               est.surv = estimates,# 这一步有没有都行               u = 100 # 时间点，也是选100天               )plot(vs)

图片

方法2：riskRegression

这个R包也非常好用，但是这种方法不能有缺失值，所以我先把缺失值去掉，然后再划分训练集和测试集，但是由于样本量太少，这里的划分方法是不正确的哈。

# 删除缺失值df2 <- na.omit(lung)# 划分数据set.seed(123)ind1 <- sample(1:nrow(df2),nrow(df2)*0.9)train_df <- df2[ind1,]set.seed(563435)ind2 <- sample(1:nrow(df2),nrow(df2)*0.9)test_df <- df2[ind2, ]dim(train_df)

[1] 150  10

dim(test_df)

[1] 150  10

# 构建模型cox_fit1 <- coxph(Surv(time, status) ~ sex + ph.ecog + ph.karno,                  data = train_df,x = T, y = T)

训练集

# 画图library(riskRegression)set.seed(1)cox_fit_s <- Score(list("fit1" = cox_fit1),               formula = Surv(time, status) ~ 1,               data = train_df,               plots = "calibration",               conf.int = T,               B = 500,               M = 50, # 每组的人数               times=c(100) # 时间点选100天               )plotCalibration(cox_fit_s,cens.method="local",# 减少输出日志                xlab = "Predicted Risk",                ylab = "Observerd RISK")

图片

当然也是可以用ggplot2画图的。

# 获取数据data_all <- plotCalibration(cox_fit_s,plot = F,cens.method="local")# 数据转换plot_df <- data_all$plotFrames$fit1# 画图library(ggplot2)ggplot(plot_df, aes(Pred,Obs))+  geom_point()+  geom_line(linewidth=1.2)+  scale_x_continuous(limits = c(0,0.5),name = "Predicted Risk")+  scale_y_continuous(limits = c(0,0.5),name = "Observerd Risk")+  geom_abline(slope = 1,intercept = 0,lty=2)+  theme_bw()

图片

测试集

使用起来完全一样，只需要提供测试集即可：

set.seed(1)cox_fit_s <- Score(list("fit1" = cox_fit1),               formula = Surv(time, status) ~ 1,               data = test_df, # 测试集               plots = "calibration",               B = 500,               M = 50,               times=c(100) # 时间点               )plotCalibration(cox_fit_s,cens.method="local",# 减少输出日志                xlab = "Predicted Risk",                ylab = "Observerd Risk")

图片

这个结果也是可以用ggplot2绘制的，就不再重复了。

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。