- 已编辑
yihui 我觉得我等不到您老人家亲自填坑了。急用。
这回的报告是介绍 R Markdown 的,咬牙必须用 R Markdown 来做小广告。顺着把 poster 字体放大的思路,我做出来了一个凑合用,先混过去这次再说:https://openr.pzhao.org/flyer/cufe2020/
yihui 我觉得我等不到您老人家亲自填坑了。急用。
这回的报告是介绍 R Markdown 的,咬牙必须用 R Markdown 来做小广告。顺着把 poster 字体放大的思路,我做出来了一个凑合用,先混过去这次再说:https://openr.pzhao.org/flyer/cufe2020/
6_walnuts 这里所说的「单变量回归筛选变量」按照 p 值逐个添加或者删除变量最后得到一个模型的过程,大致相当于 stepwise regression。而 stepwise 已经是非常不推荐的方法了,特别是在高维情形下,具体原因见 https://bookdown.org/max/FES/greedy-stepwise-selection.html
cox.zph()
只是提供了一个最基本的标准方法,想做的话当然可以做更多其他检验。CRAN 生存分析 task view 上列举了一些,"The proportionality assumption can be checked" 一段。这里从 coxph()
开始好像是都直接作为连续型处理了。cox.zph()
这一步如果一定要把违反 PH 假定的变量留在模型里,就像你说的,要么是增加变量 * 时间的交互作用,要么是做 stratification。原则上能作为连续型的变量都不推荐随便切成离散型的。把连续变量离散化在理论上除了丢失信息,还会降低 power,增加假阳性发现的可能。
Frank Harrell 是连续变量离散化的坚定反对者,这里给出了15点原因 http://biostat.mc.vanderbilt.edu/wiki/Main/CatContinuous