- 综合排序
- 最热优先
- 最新优先
- 来自专栏我的技术专刊
TCGA的Cox森林
Molcular Profile Cox Analysis 输入一个你想要的基因，比如RAC3，`Select Measure for plot可以设置OS，PFI，DSS和DFI`，然后点上方的搜索， 就可以看到出的图了 需要的结果 继续往下滚动鼠标，就可以看到数据了，而且还可以下载 数据在这 得到数据以后就可以用R画图了，注意，这里的HR和CI都是Log过的结果，跟别的地方计算的Cox结果有些不一样
35320编辑于 2021-12-06 - 来自专栏Python编程和深度学习
DeepSurv：深度学习+Cox回归
这篇文章[2]之前的生存预测模型，像linear Cox proportional hazards model需要有专业的医学知识作为专业背景来构建特征工程，而另外的一些nonlinear survival 文中提出一种Cox proportional hazards deep neural network的生存模型DeepSurv，并且在模拟数据集及临床数据集上进行实验，证明了模型具有可比的或者最好的性能 的短暂时刻发生事件的概率，其估计方法为， 风险函数（Hazard Function）： 风险函数用来衡量当前个体在时刻 之前没有发生任何事件的情况下，时刻 发生事件的概率，其可以定义为 ，其估计方法为， Cox 比例风险回归模型： Cox比例风险回归模型是一种常用的方法，用于在给定基线数据 的情况下对个体的生存风险进行建模。 1.3 Linear Survial Models 线性生存模型是把cox模型中的 采用线性函数 进行建模，可以定义为， 其中 分别表示事件事件、事件指标、第 个基准数据。
7.4K32发布于 2020-08-11 - 来自专栏医学和生信笔记
R语言生存分析：Cox回归
可以使用cox回归探索危险因素。分类变量需要变为因子型，这样在进行回归时会自动进行哑变量设置。 拟合多因素Cox回归模型，这里我们只用sex/age/ph.karno3个变量做演示： fit.cox <- coxph(Surv(time, status) ~ sex + age + ph.karno 下面是Cox回归的等比例风险假设检验，检验方法是基于Schoenfeld残差： ftest <- cox.zph(fit.cox) ftest ## chisq df p cox回归也是回归分析的一种，可以计算出回归系数和95%的可信区间，因此结果可以通过森林图展示： # 为了森林图好看点，多选几个变量 fit.cox <- coxph(Surv(time, status 以上是Cox回归的主要内容，大家有问题可以加群或者评论区留言，下次继续介绍时依协变量Cox回归和时依系数Cox回归。
2.1K20编辑于 2023-02-14 - 来自专栏R语言交流中心
R语言中COX模型构建
COX回归模型，又称“比例风险回归模型(proportionalhazards model，简称Cox模型)”，是由英国统计学家D.R.Cox(1972)年提出的一种半参数回归模型。 今天我们介绍下在R语言中COX模型是如何实现又是如何来评价准确性的。 我们需要准备相应的R包包括：survival (用于cox模型建立)，survminer (用于cox模型诊断结果的可视化)，Hmisc/compare (C-index值的获取)。 我们利用survial包中自带的肺癌数据“data(lung)”建立cox模型代码(只为测试)如下： 代码：cox <- coxph(Surv(time, status)~ wt.loss, data 在R中也创建了相应的检验函数cox.zph（）。 代码：ph <- cox.zph(cox)。 ? P值都大于0.05，表示满足PH检验。 5.
5.2K40发布于 2019-07-31 - 来自专栏生信修炼手册
绘制cox生存分析结果的森林图
在构建预后模型时，通常会先对所有基因进行单变量cox回归，然后筛选其中显著的基因进行多变量cox回归来建模，对于cox回归的结果，每个基因也都会有一hazard ratio和对应的p值，也可以用森林图的形式来展现 根据cox生存分析的结果绘制森林图有多种方式，使用survminer包的ggforest函数，是最简便的一种，代码如下 > library(survminer) > require("survival" lineheight = "auto", + xlab = "Lab axis txt" + ) 效果图如下 虽然输出很简陋大，但是从基本用法可以看出，我们可以自定义变量名称，指定风险值的大小，这样我们只需要从cox
3K11编辑于 2022-06-09 - 来自专栏生信修炼手册
用R语言进行Cox回归生存分析
当想探究多个因素或者离散型变量对生存时间的影响时，我们就需要借助于cox回归方法。 cox回归的全称如下 cox proportional hazards regression model 称之为cox等比例风险回归模型， 对应的公式如下 ? 这个公式和逻辑回归的公式就非常的接近了, cox回归其实是在线性回归和逻辑回归的基础上延伸而出的一种方法，将影响生存的多个因素当做回归方程中的自变量，将风险函数h(t)和h0(t）的比值当做因变量。 通过survivalR包，可以轻松的实现cox回归分析，步骤如下 1. 准备生存数据 对于每个个体而言，其生存数据会出现两种情况，第一种是观测到生存时间，通常用1表示，第二种则是删失。通常用0表示。 2. cox回归分析 代码如下 ? 可以看到，cox回归的适用范围更广，以最后一个回归分析为例，结果如下所示 ?
5.3K20发布于 2019-12-19 - 来自专栏花落的技术专栏
单基因TCGA的Cox森林图
Molcular Profile Cox Analysis 输入一个你想要的基因，比如RAC3，`Select Measure for plot可以设置OS，PFI，DSS和DFI`，然后点上方的搜索， 就可以看到出的图了 需要的结果 继续往下滚动鼠标，就可以看到数据了，而且还可以下载 数据在这 得到数据以后就可以用R画图了，注意，这里的HR和CI都是Log过的结果，跟别的地方计算的Cox结果有些不一样
54810编辑于 2021-11-26 - 来自专栏FindMyFUN
logistic回归与cox回归的区别
---- cox回归 cox回归的因变量就有些特殊，因为他的因变量必须同时有2个，一个代表状态，必须是分类变量，一个代表时间，应该是连续变量，只有同时具有这两个变量，才能用cox回归分析。 cox回归主要用于生存资料的分析，生存资料至少有两个结局变量，一是死亡状态，是活着还是死亡？二是死亡时间，如果死亡，什么时间死亡？如果活着，从开始观察到结束时有多久了？ 所以有了这两个变量，就可以考虑用cox回归分析。 ---- 版权属于：。。。 源 本文链接：https://www.findmyfun.cn/the-difference-between-logistic-regression-and-cox-regression.html 转载时须注明出处及本声明
3.1K30编辑于 2022-11-20 - 来自专栏科研猫
英国统计学家David Cox 仙逝，他提出的Cox回归影响了整整50年
1972年，David Cox 提出Cox 比例风险回归模型。这个模型广泛应用于临床研究、公共卫生研究的数据分析中，距今整整50年！ 统计学家David Cox（1924-2022） 戴维·罗斯贝·科克斯爵士，Sir David Roxbee Cox，1924年7月15日－2022），英国著名统计学家，英国皇家学会院士暨英国社会科学院院士 主要学术贡献包括Cox过程和影响深远且应用广泛的Cox比例风险模型等。 David Cox 在统计和应用概率方面做出了开创性的贡献，主要学术贡献包括 Cox 过程，以及影响深远且应用广泛的 Cox 比例风险模型等。 Cox 回归模型介绍 Cox回归是生存分析的重要方法，全称是“Cox比例风险模型”。它主要探讨终点事件发生速度有关的因素。
1K30编辑于 2022-02-28 - 来自专栏优雅R
「R」使用 ezcox 进行批量 Cox 模型处理
Cox 模型是我们做生存分析最常用的模型，在实际的分析工作中，我们常常想逐一查看多个变量对生存时间的影响。注意，这与多变量分析不同，后者是通常将多个变量纳入模型查看它们的影响。 model... #> ==> Done. #> => Processing variable sex #> ==> Building Surv object... #> ==> Building Cox 这里有一点需要提醒读者注意，当 contrast_level 和 ref_level一致时，Cox 模型其实是将该变量作为一个连续变量进行处理，所以我们也可以观察到它们的样本量一致。 多变量批量处理 我们将年龄作为新的变量加入，也就是运行 2 个二变量的 Cox 模型。 如果是单个 Cox 模型，我们可以直接使用 forestmodel 包提供的函数进行可视化。
2.3K10发布于 2020-07-06 - 来自专栏用户7627119的专栏
单因素和多因素cox回归分析
今天我们就来探讨一下如何使用R来做单因素和多因素cox回归分析。 回归分析 对单个特征进行cox回归分析，看它是否与样本的生存显著相关 #单因素cox回归分析，这里看性别sex这个特征 res.cox <- coxph(Surv(time, status) ~ sex ，下面我们来看看如何批量做单因素cox回归分析。 3.多因素cox回归分析 前面是单独看每一个特征是否跟生存相关，而多因素cox回归是同时检测多个特征是否与生存相关。 一般先通过单因素cox回归分析找出与生存显著相关的特征，然后基于这些特征再去做多因素cox回归分析，或者做LASSO分析。
4.2K21编辑于 2022-09-21 - 来自专栏生信修炼手册
预后建模绕不开的lasso cox回归
官方链接如下 https://glmnet.stanford.edu/ 正则项本身只是一个代价函数中的添加项，所以其应用范围不仅局限于线性回归，逻辑回归，cox回归都支持，所以glmnet这个R包也支持多种回归模型的正则化处理 对于cox回归而言，其用法可以参考如下链接 https://glmnet.stanford.edu/articles/Coxnet.html 基本的操作步骤如下 1. 在选择λ值时，我们需要指定评价指标，就是根据评价指标的值来选择最佳模型和最佳λ值，对应的是typpe.measure参数，对于cox模型而言，只支持以下两种指标 1. deviance 2. C-index 评价指标c-index的代码如下 > cvfit <- cv.glmnet(x, y, family = "<em>cox</em>", type.measure = "C", nfolds = 10) > plot(cvfit) 输出如下 评价指标deviance的代码如下 > cv.glmnet(x, y, family = "cox", type.measure = "deviance", nfolds
4.1K20编辑于 2022-06-09 - 来自专栏拓端tecdat
R语言临床预测模型：分层构建COX生存回归模型STRATIFIED COX MODEL、KM生存曲线、PH假设检验
p=32046 stratified cox model是针对协变量不满足PHA提出的，这里的思想是对协变量分层。 用图形方法检验PH假设 然后 对生存时间取对数 plot(kmfit2,fun='clogl 生存分析一般都会用到比例风险回归模型（cox模型），但是使用cox模型的前提是比例风险一定，不随时间变动 构建COX PH回归模型 coxph(y~ . 两模型选择 anova(mod1,mod2) ## Analysis of Deviance Table ## Cox model: response is y ## Model 1: ~ Status 构建一个stratified Cox model.
2.6K40编辑于 2023-04-04 - 来自专栏数据派THU
著名统计学家David Cox去世：他提出的「COX回归模型」曾影响一代人
来源：机器之心本文约1000字，建议阅读5分钟他提出的「COX 回归模型」曾深刻地影响了统计学研究。 近日，英国著名统计学家 David Cox 去世，享年 97 岁。 David Cox 因提出「COX 回归模型」而广为人知，并深刻地影响了统计学领域的研究。 许多人自发地在社交媒体平台表达了悲痛和哀悼： David Cox 生平 David Cox1924 年出生于英国伯明翰，在剑桥大学圣约翰学院学习数学，并在 Henry Daniels 和 Bernard David Cox 在统计和应用概率方面做出了开创性的贡献，主要学术贡献包括 Cox 过程，以及影响深远且应用广泛的 Cox 比例风险模型等。 在 1972 年引入的 Cox 比例风险回归模型中，David Cox 提出了一个风险函数，该风险函数分为时间依赖和时间独立两部分。
30820编辑于 2022-03-04 - 来自专栏气象学家
著名统计学家David Cox去世：他提出的「COX回归模型」曾影响一代人
他提出的「COX 回归模型」曾深刻地影响了统计学研究。 昨晚，英国著名统计学家 David Cox 去世，享年 97 岁。 David Cox 因提出「COX 回归模型」而广为人知，并深刻地影响了统计学领域的研究。 许多人自发地在社交媒体平台表达了悲痛和哀悼： David Cox 生平 David Cox1924 年出生于英国伯明翰，在剑桥大学圣约翰学院学习数学，并在 Henry Daniels 和 Bernard David Cox 在统计和应用概率方面做出了开创性的贡献，主要学术贡献包括 Cox 过程，以及影响深远且应用广泛的 Cox 比例风险模型等。 在 1972 年引入的 Cox 比例风险回归模型中，David Cox 提出了一个风险函数，该风险函数分为时间依赖和时间独立两部分。
47520编辑于 2022-03-28 - 来自专栏磐创AI技术团队的专栏
生存分析：优化Cox模型的部分似然
在本文中，我们介绍了一种流行的生存分析算法，Cox比例风险模型¹。然后，我们定义了其对数部分似然和梯度，并通过一个实际的Python示例对其进行优化，以找到最佳的模型参数集。 2.Cox比例风险模型 我们将生存率定义为在一定时间段后未经历不良事件（例如死亡）的患者百分比。 Cox比例风险模型可以评估变量与生存率之间的关联。 为此，Cox提出最大化部分似然²： 在上述方程中： K是按时间顺序排序的事件（死亡）时间的集合：t₁ < t₂ < … <tₖ。 R(tⱼ)标识时间tⱼ时处于风险中的受试者集合。 为了拟合Cox模型，需要找到将负对数部分似然最小化的β系数。 我们回顾一下，负部分似然在大多数情况下是一个严格凸函数³。因此，它具有唯一的全局最小值。 Cox, Regression Models and Life-Tables, Journal of the Royal Statistical Society.
1.1K10编辑于 2024-04-15 - 来自专栏生信技能树
cox可以火山图为什么gsea结果不行
前面我在生信技能树分享过 批量cox生存分析结果也可以火山图可视化 介绍了火山图的基础认识，同时也给了大家代码可以批量做cox分析，并且绘制出来火山图。
1K20发布于 2020-03-06 - 来自专栏科研猫
【姊妹篇】预测模型研究利器-列线图（Cox回归）
我们可以先用Cox回归风险模型建立数学模型，然后用Nomogram将与患者生存相关的参数可视化——这一步可以比较准确地计算出每个患者的生存概率。 此时，复杂的Cox回归公式转变为直观的可视化图形。临床医生可以方便地计算出每个患者的生存概率，并为每个患者提供相对准确的“算命”。 本次教程，我们来讲解Cox回归Nomogram，其与Logistic回归Nomogram在解释上极为相似。和上一章节一样，第一个问题是我们应该在什么时候选择COX回归？ 它的范围是0-1，越接近1，这个Cox回归模型的预测值就越准确。一般来说，如果C指数等于0.7，则模型拥有非常好的预测价值。 ? Cox回归拟合将基于因变量时间、状态和因变量年龄、性别而建立。然后就是构建模型，Nomogram可视化的过程，跟前面是一样的。 ? ?
3.8K50发布于 2020-05-29 - 来自专栏机器之心
著名统计学家David Cox去世：他提出的「COX回归模型」曾影响一代人
机器之心报道 编辑：蛋酱 他提出的「COX 回归模型」曾深刻地影响了统计学研究。 昨晚，英国著名统计学家 David Cox 去世，享年 97 岁。 David Cox 因提出「COX 回归模型」而广为人知，并深刻地影响了统计学领域的研究。 许多人自发地在社交媒体平台表达了悲痛和哀悼： David Cox 生平 David Cox1924 年出生于英国伯明翰，在剑桥大学圣约翰学院学习数学，并在 Henry Daniels 和 Bernard David Cox 在统计和应用概率方面做出了开创性的贡献，主要学术贡献包括 Cox 过程，以及影响深远且应用广泛的 Cox 比例风险模型等。 在 1972 年引入的 Cox 比例风险回归模型中，David Cox 提出了一个风险函数，该风险函数分为时间依赖和时间独立两部分。
55620编辑于 2022-02-23 - 来自专栏科研菌
通过Cox回归寻找治疗靶点的5+分思路
使用网络正则化高维Cox回归（network‐regularized high‐dimensional Cox regression，NET）分析mRNA的表达数据，根据回归系数和mRNA表达值确定预后风险评分 为了识别基因组数据中预后相关的变量，统计学家开发了许多新的分组变量的选择方法，如网络正则化高维Cox回归（network‐regularized high‐dimensional Cox regression Cox regression, NET），评估OS和mRNA表达值之间的关系。 图4.按照组织学分级的亚组分析 经单因素Cox回归分析发现，GSE21257中的临床变量(年龄、性别和年级)与预后无显著相关性（表3），多因素Cox回归分析也得到了相似的结果。 ? 表3.Cox回归分析 3.骨肉瘤治疗靶点的预测 作者使用The Connectivity Map(CMap)预测骨肉瘤的治疗药物和治疗靶点。
88710发布于 2020-12-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号