基于COX回归分析网页预测工具开发与实现.pdfVIP

基于COX回归分析的网页预测工具制作

#主要内容：本部分主要是导入数据、划分建模和验证人群、建立2个COX回归模型、绘制中位时间列线图、

绘制1年和2年率列线图、计算建模人群1年和2年率,制作网页版预测型工具。

#1.1导入数据

#先将命名为PDACdata的csv格式的EXCEL表格放到D盘的Rwork文件夹

library(rms)

library(foreign)

library(DynNom)

library(shiny)

library(rsconnect)

setwd(D:/Rwork)

#读入建模人群、设定分类变量并命名(请Y设为因子变量)

data-read.csv(PDACdata.csv)

data$center-factor(data$center,labels=c(Shanghai.Cancer.Center,Changhai.Hospital,Ruijin.Hospital))

data$-factor(data$,labels=c(male,female))

data$agec-factor(data$agec,labels=c(sthan60,morethan60))

data$smoke-factor(data$smoke,labels=c(no,yes))

data$alcohol-factor(data$alcohol,labels=c(no,yes))

data$stage-factor(data$stage,labels=c(stage3,stage4))

data$site-factor(data$site,labels=c(headandneck,bodyandtail))

data$ALTc-factor(data$ALTc,labels=c(normal,elevated))

data$ASTc-factor(data$ASTc,labels=c(normal,elevated))

data$ALBc-factor(data$ALBc,labels=c(normal,low))

data$CA199c-factor(data$CA199c,labels=c(normal,elevated))

data$HBVtype-factor(data$HBVtype,labels=c(non.infection,inactive.HBV.carrier,resolved.HBV.infectionl,chronic.HBV.infection))

relevel(data$HBVtype,ref=non.infection)

View(data)

str(data)

#1.2随机拆分建模和验证人群

library(caret)

set.seed(2019)

trianandvad-createDataPartition(ydata$status,p=2/3,list=FALSE)

dev-data[trianandvad,]

vad-data[-trianandvad,]

write.csv(dev,dev.csv)

write.csv(vad,vad.csv)

#1.3构建2个预测模型

#