丁香园临床预测模型课程 第8章

#第8章 多元回归分析中的变量筛选方法 ####

#8.1 多元回归中的变量筛选方法 ####

# 如何确定多因素回归分析的候选变量？
# ①选择与临床相关的变量
# ②先进行单因素回归分析，纳入其中P＜0.05的
# ③根据样本容量确定自变量的数量，如有100例，一般最多纳入10个变量（1：10）

#8.2 亚组分析及森林图绘制 ####

remove.packages("forestplot")
install.packages("forestplot")
library(forestplot)
library(grid)

rs_forest <- read.csv("D:/BaiduNetdiskDownload/abiraterone.csv",header = FALSE)
tiff("Figure1.tiff",height = 6000,width = 7000,res = 600)
forestplot(labeltext = as.matrix(rs_forest[,1:4]),
           #设置用于文本展示的列，此处我们用数据的前四列作为文本，在图中展示
           mean=rs_forest$V5,  #设置均值
           lower=rs_forest$V6, #设置均值的lowlimits限
           upper=rs_forest$V7, #设置均值的uplimits限
           is.summary=c(T,T,T,F,F,T,F,F,T,F,F,T,F,F,F,T,F,F,T,F,F,T,F,F,T,F,F),
           #该参数用于接受一个逻辑向量，用于定义数据中的每一行是否是汇总值，若是，则在对应位置
           #设置为TRUE，若否，设置为FALSE，设置为TRUE的行则以粗体出现
           zero=1,   #设置参照值，此处我们展示的是HR值，故参照值设置是1，而不是0
           boxsize=0.3,#设置点估计的方形大小
           lineheight=unit(8,"mm"),#设置图形中的行距
           colgap=unit(2,"mm"), #设置图形中的列间距
           lwd.zero=2,#设置参考线的粗细
           lwd.ci=2,#设置区间估计线的粗细
           col=fpColors(box="#458B00",summary = "#8B008B",lines = "black",zero="#7AC5AD"),
           #使用fpColors函数定义图形元素的颜色，从左到右分别对应点估计方形，汇总值，区间估计线，参考线
           xlab="The Estimates",#设置x轴标签
           lwd.xaxis=2, #设置x轴线的粗细
           lty.ci="solid",
           graph.pos=4) #设置森林图出现的位置，此处设置为4，则森林图出现在第四列

# 怎么看森林图？森林图上有一条与x轴垂直的线，称为无效线。OR、RR的无效线刻度为1.每条平行于x轴
# 的横线代表一个纳入研究，横线中间的小方块表示该研究的点估计值，小方块的面积反映了该研究的权重，
# 横线的长度表示该研究的95%CI所在范围。横线上的小方块面积越大，该研究被赋予的权重就越大。横线与
# 无效线相交表示该研究结果没有统计学意义

#8.3 敏感性分析及结果表达 ####

# 理论