估计与 R 中审查数据的一个变量的相关性

Question

我正在寻找 R 中的一种方法来估计部分审查的事件发生时间数据和连续变量（例如体长）之间的相关性（以及相关的 p 值）。

这是我的数据样本 - 时间观察结果截尾为 900（秒）：

length <- c(12.10, 11.00, 9.59, 10.38, 11.10, 9.39)
timeto <- c(149, 900, 26, 3, 0, 900)
event <- c(1, 0, 1, 1, 1, 0)
data <- data.frame(length, timeto, event)

Answer 1

听起来您想要事件发生时间分析，其中事件发生率取决于连续变量。您可以使用 Cox 比例风险模型来执行此操作，使用 survival 包很容易做到这一点：

library(survival)

# Create a Surv object from times and events:
data$surv <- Surv(timeto, event = event)

# See the summary of the Cox model:
summary(coxph(surv ~ length, data = data))
#> Call:
#> coxph(formula = surv ~ length, data = data)
#> 
#>   n= 6, number of events= 4 
#> 
#>          coef exp(coef) se(coef)     z Pr(>|z|)
#> length 0.1698    1.1850   0.4808 0.353    0.724
#> 
#>        exp(coef) exp(-coef) lower .95 upper .95
#> length     1.185     0.8439    0.4618     3.041
#> 
#> Concordance= 0.643  (se = 0.152 )
#> Likelihood ratio test= 0.12  on 1 df,   p=0.7
#> Wald test            = 0.12  on 1 df,   p=0.7
#> Score (logrank) test = 0.13  on 1 df,   p=0.7

^{由 reprex package (v0.3.0)}

创建于 2020-06-21

估计与 R 中审查数据的一个变量的相关性

Estimating correlation with one variable of censored data in R

r

correlation

survival-analysis