【问题标题】:How to plot a 3-D risk plane in R?如何在 R 中绘制 3-D 风险平面?
【发布时间】:2019-12-10 02:06:58
【问题描述】:

我正在尝试在 R 中的 3-D 图中绘制风险平面,以图形方式描述连续预测变量对其他一些连续预测变量与结果之间关联的影响修改。风险估计值(HR、风险比)应位于 z 轴上,两个连续预测变量位于 x 轴和 y 轴上,如下图所示:

为了说明我已经尝试过的内容,我将使用来自survival 包的lung 数据集。

#install.packages("survival")
#install.packages("rgl")

library(survival); library(rgl)

#Remove missing values with listwise deletion
I1 <- is.na(lung$age) | is.na(lung$ph.karno)
lung <- lung[!I1,]

m1 <- coxph(Surv(time, status==2) ~ age*ph.karno, data = lung)
m1

z <- outer(lung$age, lung$ph.karno, FUN=function(x=lung$age, y=lung$ph.karno, model=m1){
  ref.x <- median(x)
  ref.y <- median(y)
  for(i in 1:length(x)){
    exp(summary(model)$coef[1,1]*(x[i]-ref.x)+summary(model)$coef[2,1]*(y[i]-ref.y)+
               summary(model)$coef[3,1]*(x[i]-ref.x)*(y[i]-ref.y))
  }
})

persp3d(x=lung$age, y=lung$ph.karno, z=z)

使用exp(summary(model)$coef[1,1]*(x[i]-ref.x)+summary(model)$coef[2,1]*(y[i]-ref.y)+summary(model)$coef[3,1]*(x[i]-ref.x)*(y[i]-ref.y)),我的目的是根据

手动计算风险比

将年龄中位数和卡诺夫斯基分数 (ph.karno) 设置为各自的参考。但是,当我运行此代码时,遇到以下两个错误: Error in dim(robj) &lt;- c(dX, dY) : attempt to set an attribute on NULL 在运行outer() 和Error in persp3d.default(x = lung$age, y = lung$ph.karno, z = z) : Increasing 'x' and 'y' values expected 中的函数后。

有谁知道如何获得这样的情节?

【问题讨论】:

    标签: r matrix plot 3d survival-analysis


    【解决方案1】:

    也许您可以按照这些思路使用一些东西。首先我们根据自己的代码找到模型:

    library("survival"); library("rgl")
    
    #Remove missing values with listwise deletion
    I1 <- is.na(lung$age) | is.na(lung$ph.karno)
    lung <- lung[!I1,]
    
    m1 <- coxph(Surv(time, status==2) ~ age*ph.karno, data = lung)
    m1
    

    然后使用predict() 函数从模型中计算风险。由于模型包含交互,因此它会自动包含在预测中。作为输入,我们在age 和ph.karno 的观察范围内使用适当间隔的值。

    age.range <- seq(min(lung$age), max(lung$age), 5)
    ph.range <- seq(min(lung$ph.karno), max(lung$ph.karno), 5)
    
    z <- outer(age.range, ph.range, FUN=function(x, y) {
      predict(m1, newdata = data.frame(age=x, ph.karno=y), type="risk")
      })
    
    rgl::persp3d(age.range, ph.range, z, col="lightblue")
    

    【讨论】:

    • 感谢您的回答!我仍然想知道当针对其他变量调整交互时构造会是什么样子,例如:m2 &lt;- coxph(Surv(time, status==2) ~ age*ph.karno + sex + wt.loss, data = lung)
    • 只要您只考虑两个预测变量之间的交互作用,那么其他变量基本上是不相关的(用于说明交互作用)。他们只会放大或缩小整体风险。对于两个以上的预测变量,您必须将数据拆分或以 4D 绘制:o)
    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2021-12-08
    • 2020-02-04
    • 1970-01-01
    • 2015-02-12
    • 2011-04-12
    • 1970-01-01
    相关资源
    最近更新 更多