R中的事件时间分析探讨生物标志物对事件风险的影响

Question

在R中，我分析了时间对事件的数据，以探讨生物标记物对事件风险的影响，并根据性别进行调整。要做到这一点，我处理的数据看起来像这个玩具数据集：

> head(data)
  pt sex age_baseline t_event death  t_stop biomarker
1  1   M         24345    3632     0   3981      0.22
2  2   F         25951    1121     0   3693      0.14
3  3   F         26900      NA     0   4437      0.04
4  4   F         27521    4896     1   5420      0.35
5  5   F         25660      NA     0   4035      0.25

栏的说明：

• pt：‘s ID
• sex：性别(M=male，指在study
• t_stop：开始时(以天为单位)在基线和死亡/最后news
• death：死亡之间的年龄(以天为单位) (0=no，基线与首次发生事件之间的1=yes)
• t_event：时间(以天为单位) (NA =基线

中生物标志物的无event)

• biomarker：水平)

为了清楚起见，一个人可能经历了事件x，然后死于一个无关的原因。

为此，我想使用coxph() R函数来计算Cox模型。

我想到了以下代码：

coxph(
  Surv(time = age_baseline, time2 = t_stop, event = death) ~ t_event + sex, 
       data = data.coro)

这对我最初的研究问题有意义吗？我如何包括biomarker

此外，Cox模型是否处理丢失的数据(t_event中的NAs)？

Answer 1

当您想要使用Cox PH模型时，您的数据集应该包含一个event time和event是否发生或是否存在审查的信息：

data <- data.frame(pt = seq(1,5), sex = c("M",rep("F",4)), age_baseline = c(24345,25951,26900,27521,25660), 
                       t_event = c(3632,1121,NA,4896,NA), death = c(0,0,0,1,0), t_stop = c(3981,3693,4437,5420,4035), 
                       biomarker = c(0.22,0.14,0.04,0.35,0.25))


# If there is no event, the last follow-up is the censor date
data$t_event[which(is.na(data$t_event))] <- data$t_stop[which(is.na(data$t_event))]
# Adding an event description. If no event, that means the patient gets censored
data$event <- ifelse(is.na(data$t_event),0,1)

现在您已经获得了event time和event信息(注意上面还处理了您的NA)，您可以使用sex和biomarker作为协变量来构建Cox模型：

coxph(Surv(t_event, event) ~ sex + biomarker, data = data)

这意味着：

> coxph(Surv(t_event, event) ~ sex + biomarker, data = data)
Call:
coxph(formula = Surv(t_event, event) ~ sex + biomarker, data = data)

              coef exp(coef) se(coef)      z     p
sexM       1.38086   3.97831  1.44998  0.952 0.341
biomarker -3.34641   0.03521  4.48310 -0.746 0.455

Likelihood ratio test=1.32  on 2 df, p=0.5167
n= 5, number of events= 5