原文链接：http://tecdat.cn/?p=6095

原文出处：拓端数据部落公众号

读取样本数据

 D=D\[!is.na(apply(D,1,mean)),\] ; dim(D)

## \[1\] 416   7

查问局部数据（后果和预测因子）

head(D)

##   time status      age albumin edema protime bili## 1  400      1 58.76523    2.60   1.0    12.2 14.5## 2 4500      0 56.44627    4.14   0.0    10.6  1.1## 3 1012      1 70.07255    3.48   0.5    12.0  1.4## 4 1925      1 54.74059    2.54   0.5    10.3  1.8## 5 1504      0 38.10541    3.53   0.0    10.9  3.4## 6 2503      1 66.25873    3.98   0.0    11.0  0.8

模型0和模型1的后果数据和预测变量集

outcome=D\[,c(1,2)\]covs1<-as.matrix(D\[,c(-1,-2)\])covs0<-as.matrix(D\[,c(-1,-2, -7)\])head(outcome)

##   time status## 1  400      1## 2 4500      0## 3 1012      1## 4 1925      1## 5 1504      0## 6 2503      1``````head(covs0)

##        age albumin edema protime## 1 58.76523    2.60   1.0    12.2## 2 56.44627    4.14   0.0    10.6## 3 70.07255    3.48   0.5    12.0## 4 54.74059    2.54   0.5    10.3## 5 38.10541    3.53   0.0    10.9## 6 66.25873    3.98   0.0    11.0``````head(covs1)

##        age albumin edema protime bili## 1 58.76523    2.60   1.0    12.2 14.5## 2 56.44627    4.14   0.0    10.6  1.1## 3 70.07255    3.48   0.5    12.0  1.4## 4 54.74059    2.54   0.5    10.3  1.8## 5 38.10541    3.53   0.0    10.9  3.4## 6 66.25873    3.98   0.0    11.0  0.8

推理  

<span style="color:#333333"><span style="color:#333333"><code><span style="color:#000000">t0</span><span style="color:#687687">=</span><span style="color:#009999">365</span><span style="color:#687687">*</span><span style="color:#009999">5</span><span style="color:#000000">x</span><span style="color:#687687"><-</span><span style="color:#000000">IDI </span><span style="color:#687687">(</span><span style="color:#000000">outcome</span>, <span style="color:#000000">covs0</span>, <span style="color:#000000">covs1</span>, <span style="color:#000000">t0</span>, <span style="color:#000000">npert</span><span style="color:#687687">=</span><span style="color:#009999">200</span><span style="color:#687687">)</span> ;</code></span></span>

输入 

##     Est. Lower Upper p-value## M1 0.090 0.052 0.119       0## M2 0.457 0.340 0.566       0## M3 0.041 0.025 0.062       0

M1示意IDI

M2示意NRI

M3示意中位数差别

图形演示

参考文献

1.R语言绘制生存曲线预计|生存剖析|如何R作生存曲线图

2.R语言生存剖析可视化剖析

3.R语言如何在生存剖析与Cox回归中计算IDI，NRI指标

4.r语言中应用Bioconductor 剖析芯片数据

5.R语言生存剖析数据分析可视化案例

6.r语言ggplot2误差棒图疾速指南

7.R 语言绘制性能富集泡泡图

8.R语言如何找到患者数据中具备差别的指标？（PLS—DA剖析）

9.R语言中的生存剖析Survival analysis早期肺癌患者4例