dege857的博客

21(1):292.为参照（糖尿病与肺功能之间的非线性关联：一项基于人群的研究）为参照，对数据进行下载，作者取的是2007-2012年的数据，我这里取的是2007-2008的数据。需要找到年龄、性别、种族、体重指数、血糖、FVC等相关指标，这是一个花时间的过程，需要慢慢找，先把人口统计数据下载下来看看，使用haven包的函数把数据打开。还需要关键的血糖和肺功能的指标，血糖应该在化验室指标那里，这次我们使用nhanesA包来下载。对数据进行提取，序列号都要提取，等下对数据进行合并用的。数据小的话还是很快的。

我们知道在R中if语句可以帮助我们进行条件判断，常用于修改变量，做出条件选择等等，对于条件为二分类的判断非常有帮助，比如我们想判断学生的成绩是否及格，60分以上算是及格ifelse(n>60,paste("及格"),paste("及格"))但是如果条件是多个选择的，比如我们想把学生的成绩分成100-90分的为优，90-80为良，80-60的为及格，60以下的为不及格。如果在python中可以使用if, elif语句进行分类，在但是R中就不这么好弄了。其实我们可以通过ifelse的格式套嵌

我们在临床中经常使用生存曲线来表示患者的累积生存率或发病率，如下图所示，Kaplan-Meier生存曲线能够很好的表示出患者不同时间的发病率，生存率等关键数据，让人一目了然。今天我们来演示一下如何做出像上面一样两张的图片，其中彩色的图片来自我们上次的SEER数据库的文章，题目为：Incidence, Prognostic Factors and Survival Outcome in Patients With Primary Hepatic Lymphoma。还是使用我们既往的乳腺癌数据，本来不想使

我们上一张已经讲过如何把提取的数据随机分组，今天来讲讲怎么使用SEER数据库计算发病率趋势，在这之前，我们先来看一篇例文，题目：Incidence, Prognostic Factors and Survival Outcome in Patients With Primary Hepatic Lymphoma作者计算了1983-2015发病率年度百分比变化和发病率走势图，使得发病率走势一目了然，是个加分项。我们今天来讲讲怎么像文章一样从SEER数据库提取发病率数据，并做出发病率走势图。首先打开.

我们从SEER数据库下载到数据库后，一个很重要的步骤就是把数据库随机分为建模组和验证组,一般来说的话是用70%的数据建模，30%的数据进行验证。因为我们很难找到和SEER数据库类似的数据进行外部验证，因此只能对数据进行拆分来验证。下图这个范文，作者就是使用了数据7:3的拆分今天我们来说说怎么通过R语言来对SEER数据库按比例拆分为建模集和验证集,还是使用我们常用的既往乳腺癌的数据，先把数据导入tr1<- sample(nrow(bc),0.7*nrow(bc))##随机无放抽取bc_tr

从seer数据库下载到数据后，部分人会感到无从下手，这是因为数据还没有经过清洗整理，不能变成我们统计软件识别的形式，不能进行分析。今天我们手把手教你使用R语言进行seer数据库清洗，让数据变为我们所用。首先导入我们需要的R包，需要foreign，car，和stringr，需先下载好。然后我们把我们下载好的数据导入R，有20多万条，靠手工更改是不可能完成的。be<-read.csv("E:/r/test/seer4.csv",sep=',',header=TRUE)查看一下数据的名字和形.

在上一期我们已经介绍了怎么使用R语言做竞争风险模型，今天我们来演示一下怎么使用stata来做竞争风险模型，stata相对r语言来说的优势就是操作相对简单，大部分功能可以通过界面操作来实现，缺点就是界面相对代码不够灵活，但是适合初学者，我们继续使用上次膀胱癌bladder1的数据集来做竞争风险模型，这样可以对比一下stata做出来的结果和R语言有什么不同。先打开stata导入数据，我们的数据不是很大，我就直接复制黏贴进去，下面就是数据的格式，数据的名称解释为：id: 患者编号；treatment（治疗方

上一期我们已经介绍了如何使用注册SEER数据库的账号和密码，今天我们来介绍一下怎么把数据提出来。首先我们需要打开官网网页：https://seer.cancer.gov/选择seer data&software选择SEER.stat然后从左到右依次点击红色箭头处这时会跳转到另外的页面，下载软件也要提交一个申请，点击同意后把列表上内容填好发送申请就可以了，seer官网就会把软件下载的地址发送到你的邮箱，直接下载就可以了下载好后双击安装，一路点确定就可以了安装好后使用前还需要同

竞争风险模型就是指在临床事件中出现和它竞争的结局事件，这是事件会导致原有结局的改变，因此叫做竞争风险模型。比如我们想观察患者肿瘤的复发情况，但是患者在观察期突然车祸死亡，或者因其他疾病死亡，这样我们就观察不到复发情况了，这种情况下不能把缺失数据仅仅当做右删失处理，这样的话会造成数据的估值错误。这是我们应该优先选择竞争风险模型来做数据分析，而不是COX回归。竞争风险模型在数据挖掘中经常使用到，我们将来在SEER数据库挖掘教程中将介绍怎么使用竞争风险模型进行数据挖掘。我们使用R语言survival自带的膀胱

对于很多没有临床数据和不会做实验的小伙伴，使用国际公共数据库进行发表论文也是一个很好的选择，简单来说就是用别人的数据来发表自己的论文。seer数据库是美国的癌症数据库，最初是用于社会保险，今年来在医学领域也有广泛的应用，seer数据库的数据非常庞大，指标众多，比TCGA癌症数据库大很多，不容易出现你发表的论文别人已经发表了这种尴尬情况，总的来说，目前seer数据库对于新手来说，还是一个挖坟不错的好数据库。我们的零基础科研课程也将准备上线整套seer数据库从注册，到数据整理，统计分析的一系列详细课程，有需要的