En los artículos de SCI, a menudo podemos ver algunas de estas tablas, la mayoría de las cuales se denominan Tabla 2, que se utiliza principalmente para indicar la relación entre la causa y el resultado de un análisis de factor único o la relación entre las variables de agrupación. La siguiente figura
muestra que Hay innumerables tablas en el periódico Hoy te mostramos cómo hacer una tabla de este tipo paso a paso a través de una demostración de datos de ejemplo.
Primero hagamos una tabla como esta hoy, como se muestra en la siguiente figura. Primero analicemos lo que significa expresar esta tabla. Expresa principalmente la relación entre un solo factor y la variable de resultado. Las variables de un solo factor se agrupan y analizan. Algunas variables categóricas, como el sexo y el tabaquismo, también se agrupan y comparan.
Utilizamos los datos del tumor de supervivencia del cáncer de mama del propio SPSS para demostrar. Primero importamos este datos en R y eliminar los valores perdidos (aquí es solo para demostrar cómo hacer una tabla, el análisis real no puede eliminar los valores perdidos de esta manera),
biblioteca (externa)
biblioteca (supervivencia)
bc <- read. spss ("E: / r / Breast cancer survival agec.sav",
use.value.labels = F, to.data.frame = T)
bc <- na.omit (bc)
Marque la variable de datos
head (bc)
age representa la edad, pathize representa el tamaño del tumor patológico (cm), lnpos significa ganglios linfáticos axilares positivos, histgrad significa grado histopatológico, er significa estado del receptor de estrógeno, pr significa estado del receptor de progesterona, estado resultado evento muerto, pathcat significa categoría de tamaño de tumor patológico (agrupación Variable), ln_yesno indica si hay agrandamiento de los ganglios linfáticos, el tiempo es el tiempo de supervivencia y el siguiente agec lo establecemos nosotros mismos, así que no te preocupes.
Supongamos que queremos conocer la influencia de la relación entre la edad y la supervivencia, podemos establecer la edad del primer grupo
age1 <-cut (bc $ age, breaks = 3, labels = c (1,2,3)) #
Igualmente dividido en 3 intervalos, denominados 1, 2, 3 dc <-cbind (bc, age1) #put Unir variable mesa
Primero, hagamos un análisis factorial único de la relación entre la edad y el resultado de la muerte. Originalmente, hay una variable de tiempo y se debe hacer una regresión COX, pero yo solo uso ecuaciones lineales generalizadas para demostrar los datos. De hecho, usando la regresión COX ecuaciones es lo mismo.
Primero inicie el análisis univariado del resultado de muerte y la edad, y coloque age1 en la ecuación
f.age <- glm (status ~ age1, family = binomial, data = dc)
summary (f.age) para
calcular OR y 95% CI
exp (El resultado de confint (f.age))
exp (coef (f.age))
ha salido. ¿Cómo analizarlo? Observe principalmente age12 y age13. Originalmente dividimos age1 en 3 intervalos. ¿Por qué solo hay dos aquí ? Comparamos age12 y age13 con age11, por lo que si age11 es igual a 1, también creamos un formulario de palabras primero y completamos la edad
Hagamos una variable categórica, ln_yesno (si hay agrandamiento de los ganglios linfáticos), primero conviértala en una variable categórica y
continuemos analizando
f.ln_yesno <- glm (status ~ ln_yesno, family = binomial, data = dc)
summary (f . ln_yesno)
continúe encontrando OR y 95% CI
exp (confint (f.ln_yesno))
exp (coef (f.ln_yesno))
continúe completando el formulario
hasta ahora, hemos realizado tanto variables continuas como variables categóricas, y otras Los indicadores se pueden hacer haciendo lo mismo. Esta tabla es un poco problemática, pero en realidad solo está cambiando las variables, y tomó menos de 20 minutos hacerlo.
