把你的多因素cox模型做成shinyapp,来一个病人画一个生存曲线

0.背景知识

在预后分析中,构建了多因素cox模型后可以选择森林图或者是诺谟图进行可视化。

之前看诺谟图,如果有一个新的病人信息,可以从诺谟图上面自行比划看该新病人的1、3、5年生存率。

这样画起来多少有点麻烦,最近埋头苦读的我发现一个人的生存率也可以做成生存曲线。

1.编造示例数据和构建模型

rm(list = ls())
library(rms)
library(prodlim)
library(survival)
set.seed(13)
ph <- SimSurv(100)
head(ph)

##   eventtime  censtime     time event X1         X2 status
## 1  3.068009 24.716896 3.068009     1  0  0.5543269      1
## 2  9.666322 17.105853 9.666322     1  1 -0.2802719      1
## 3  1.200405  2.101732 1.200405     1  1  1.7751634      1
## 4  2.749020  5.286182 2.749020     1  1  0.1873201      1
## 5  5.974245 14.870069 5.974245     1  0  1.1425261      1
## 6  1.853016  7.541804 1.853016     1  1  0.4155261      1

mod <- cph(Surv(ph$time, ph$event) ~ X1 + X2, data=ph, x=TRUE, y=TRUE, surv=TRUE)

ph里面的X1和X2就是编造的临床信息

2.新来一个病人的话

假如他的临床信息是 X1 = 0,X2 = 1

new_dat <- data.frame(X1 = 0,X2 = 1)

画他的生存曲线

g = survfit(mod,new = new_dat)
dat = data.frame(time = g$time,surv = g$surv)
plot(dat$time, dat$surv, type = "s")

或者是ggplot2版本

library(ggplot2)
ggplot(dat,aes(time,surv))+
  geom_line()+
  theme_bw()

3.更好玩的是可以做成shinyapp

哈哈,看起来很厉害实际上就是唬唬人的东西,有人会用shiny来做很复杂很炫酷的网页工具,我们这个是个入门版本。

rm(list = ls())
library(shiny)
library(rms)
library(prodlim)
library(survival)
# 定义全局模拟数据和模型
simulate_data_and_model <- function() {
  set.seed(13)
  ph <- SimSurv(100)
  mod <- cph(Surv(ph$time, ph$event) ~ X1 + X2, data=ph, x=TRUE, y=TRUE, surv=TRUE)
  return(list(ph = ph, mod = mod))
}

# 调用一次模拟数据和模型,以便在Shiny中使用
data_and_model <- reactive(simulate_data_and_model())

ui <- fluidPage(
  titlePanel("病人生存曲线"),
  sidebarLayout(
    sidebarPanel(
      numericInput("X1", "X1 的值", 0, min = -10, max = 10, step = .1),
      numericInput("X2", "X2 的值", 1, min = -10, max = 10, step = .1),
      actionButton("plotButton", "绘制生存曲线")
    ),
    mainPanel(
      plotOutput("survivalPlot")
    )
  )
)

server <- function(input, output) {

  observeEvent(input$plotButton, {

    new_dat <- data.frame(
      X1 = input$X1,
      X2 = input$X2
    )

    g <- survfit(data_and_model()$mod, new = new_dat)
    dat = data.frame(time = g$time,surv = g$surv)
    library(ggplot2)
    ggplot(dat,aes(time,surv))+
      geom_line()+
      theme_bw()

    output$survivalPlot <- renderPlot({
      ggplot(dat,aes(time,surv))+
        geom_line()+
        theme_bw()
    })
  })
}

shinyApp(ui, server)

然后就有一个酷酷的弹窗可以画图啦


©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,755评论 6 507
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,305评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 165,138评论 0 355
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,791评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,794评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,631评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,362评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,264评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,724评论 1 315
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,900评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,040评论 1 350
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,742评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,364评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,944评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,060评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,247评论 3 371
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,979评论 2 355

推荐阅读更多精彩内容