「r<-包」使用 ezcox 进行批量 Cox 模型处理

参考：「r<-包」使用 ezcox 进行批量 Cox 模型处理

data("lung", package = "survival")
head(lung)
library(ezcox)
#单变量批量处理
res = ezcox(lung, covariates = c("age", "sex", "ph.ecog"))
knitr::kable(res)
table(lung$sex)
lung2 = lung
lung2$sex = factor(lung2$sex)
res = ezcox(lung2, covariates = c("age", "sex", "ph.ecog"))
knitr::kable(res)
#多变量批量处理
#加入年龄变量，运行 2 个二变量的 Cox 模型
Surv ~ sex + age
Surv ~ ph.ecog + age
res = ezcox(lung, covariates = c("sex", "ph.ecog"), controls = "age")
knitr::kable(res)
#这里 global.pval 给出的是整个模型的P值。变量 age 并不是我们想要关注的结果，我们可以过滤它：
knitr::kable(dplyr::filter(res, ref_level != "age"))#过滤年龄变量
res = ezcox(lung, covariates = c("sex", "ph.ecog"), controls = "age", return_models = TRUE)#查看模型本身
res$models$model
#可视化
library(forestmodel)
#> 载入需要的程辑包：ggplot2

forest_model(res$models$model[[1]])
forest_model(res$models$model[[2]])

• knitr::kable(res)运行后会出现
  knitr1.png
  3 个 Cox 模型的系数、HR 以及它的置信区间、P值、样本量等。当 contrast_level 和 ref_level一致时，Cox 模型其实是将该变量作为一个连续变量进行处理，所以我们也可以观察到它们的样本量一致。

knitr.png

森林图：

[森林图1].png
[森林图2].png