我看网上大多数介绍的是,Lasso回归的结局变量如果是分类变量的话,一般是二分类0或1,我想知道如果结局分类变量是0,1, 2的话,可以用Lasso回归吗。我想利用Lasso回归来初步筛选,避免过度拟合,然后进行多因素的竞争风险分析来确定相关危险因素,这个方法是否可行?
happySB
- 13 1月
- 注册于 2023年8月13日
- 于 R语言问题
residual-sun 好的,谢谢你的建议 ღ( ´・ᴗ・` )
- 于 R语言问题
- 于 R语言问题
- 已编辑
用coxph函数构建cox模型绘制列线图后,如何计算每个患者的列线图得分
我的代码如下
##列线图=========================================================================library(mstate) set.seed(1000) df=crprep("Survival_months","CVD", #对数据train进行加权 data=train,trans=c(1,2), #trans = (终点事件, 竞争风险事件) cens=0,id="id", #cens删失值/截尾,设置id keep=c("Age","Marital","Race","Year_of_diagnosis","PSA.10","Gleason_score")) #数据集中需要保留的协变量(纳入的自变量) df$Time=df$Tstop-df$Tstart library("dplyr") df_c <- df %>% filter(.,failcode == 1) m.crr<- coxph(Surv(Time,status==1)~Gleason_score+PSA.10+Year_of_diagnosis+Race+Marital+Age, data=df_c, weight=weight.cens, subset=failcode==1) library(regplot) nom_c <- regplot(m.crr, failtime = c(36,60,96), prfail = T, droplines=T,points=T, plots=c("density","no plot"), title = "Nomogram")
我想要做风险分层,但是我不知道这个方法如何计算患者各自总分