绘制二次关系在R Cox回归的预测(Plot a quadratic relation for a

我需要绘制的相对风险为Cox回归的二次效应。 我的模型看起来是这样的：

cox_mod <- coxph(Surv(time, status) ~
               ph.karno + pat.karno + meal.cal + meal.cal_q,
             data = lung)

凡meal.cal_q被定义为：

lung$meal.cal_q <- lung$meal.cal^2

该地块应考虑meal.cal和meal.cal_q系数，并显示在y轴的相对风险，在x轴的meal.cal值。 相对风险应该被定义为在给定值meal.cal的风险相比，所有预测在它们的意思。 Additionaly，情节应包括95％的置信区间。 该地块应该是这个样子： 预计阴谋

如果可能的话，剧情应该是ggplot对象，以便我可以自定义。

我一直在阅读了网络上的时间，但无法弄清楚如何使所描述的情节，希望有人能帮助我。 我试了一下，例如与预测（）函数：

meal.cal_new <- seq(min(lung$meal.cal, na.rm= TRUE), max(lung$meal.cal, na.rm= TRUE), by= 1)

meal.cal_q_new <- meal.cal_new^2

n <- length(meal.cal_new)

lung_new <- data.frame(ph.karno= rep(mean(lung$ph.karno, na.rm= TRUE), n), pat.karno= rep(mean(lung$pat.karno, na.rm= TRUE), n), meal.cal= meal.cal_new, meal.cal_q = meal.cal_q_new)

predicted_rel_risk <- predict(cox_mod, lung_new,  interval = "confidence")

print(predicted_rel_risk)

首先，预测值不包括95％的置信itnervals。 而另外还有在predicted_rel_risk负值这在我opinien不应该是这种情况，因为最小相对风险应该是零。 因此，我不能得到所希望的描绘。 所以，我所能做的是这样的：

lung_new$predicted_rel_risk <- predicted_rel_risk

ggplot(lung_new, aes(meal.cal, predicted_rel_risk)) +
geom_smooth(se= TRUE)

所得的情节不包括置信区间和显示neagtive相对风险。 以下是我得到：

谢谢很多提前！

Answer 1:

预测包括负值，因为你没有指定要获得相对风险（如你所说）。 试试下面的代码

predicted_rel_risk <- predict(cox_mod, lung_new,  interval = "confidence",
type= "risk")

这给你如下情节：

情节没有负值

为了获得信心intervalls，以及，你可以使用引导。 把它短，这意味着一个随机抽样将从您的数据可以得出，相对风险将被计算。 这个过程将重复10000次，例如。 这给你10000个不同的相对风险值预测您的每个值。 您可以通过计算你预测的每个值的平均相对风险得到您的情节主线。 要获得85。。自信INTERVALL，你需要订购从最小到最大的相对风险为您预测的每个值。 第250个（第九千七百五）相对危险度向你下（上）CI。 再次，这是每个预测值的第250（第九千七百五十）值。

希望这可以帮助。

文章来源: Plot a quadratic relation for a predictor of a cox regression with R