多因素Cox回歸
單因素cox回歸分析得到的是多個自變量與生存之間的關(guān)系，但并沒有排除其他因素這個結(jié)果是否有作用。一般多因素Cox回歸分析就是用來矯正其它因素的，也可以用作某變量是否能作為獨立因子的評估方法。
多因素cox回歸案例展示
下圖展示了多因素COX回歸，評估KIF20A表達狀態(tài)與總生存和無病生存之間的相關(guān)性，并矯正了其他因素對其影響，評估KIF20A能否作為獨立因子!（這里其實是將KIF20A這個因素構(gòu)建成兩種不同的分類體系，一種為連續(xù)性數(shù)值變量；一種為二分類型變量。兩者形式的變量進行多因素cox回歸分析，發(fā)現(xiàn)都顯著，進一步證明了KIF20A作為獨立因子的可靠性！）
很多時候，為了單因素和多因素COX回歸結(jié)果看起來更連貫，經(jīng)常也會把兩種cox回歸結(jié)果整理在一起進行展示，如下圖：分別在兩組獨立數(shù)據(jù)集中做單因素和多因素Cox回顧分析。解釋如下：以TESTING數(shù)據(jù)集結(jié)果為例，單因素cox分析了10個變量與生存之間的關(guān)系，發(fā)現(xiàn)有5個變量結(jié)果顯著。接下來對這5個變量進行多因素分析，發(fā)現(xiàn)有兩個變量顯著，可作為獨立因子！
多因素cox回歸結(jié)果解釋
多因素cox回歸結(jié)果
從上圖中可以看出來，單因素cox和多因素cox的結(jié)果屬性值都是一樣的，只是前者的變量為一個（對應一組結(jié)果值），后者變量可以有多個（對應多組結(jié)果值）。
多因素cox回歸結(jié)果關(guān)鍵之處****：在多因素cox回歸分析中，可以評估各個自變量的相對效應，比較各個自變量的回歸p值。若性別（sex）更為顯著的，****表明性別是患者之間生存期不同的主要因素，患者年齡次之，但作為協(xié)變量的情況下表現(xiàn)不明顯（p>0.05）。也可以查偏回歸系數(shù)等指標，關(guān)注exp(coef)信息，和上文中分別使用性別（sex）和年齡（age）的單變量Cox回歸具有一致的趨勢。性別（sex）的exp(coef)<1（即HR<1）, 年齡的exp(coef)>1（即HR>1），表明男性肺癌患者比女性肺癌患者具有更差的預后，高齡人群可能存在更高的風險。
多因素cox回歸分析如何做？
——適用于數(shù)值型變量,即多因素cox結(jié)果只有一行。（自變量可以是連續(xù)性變量，也可以是數(shù)值化后的分類變量）
rm(list = ls())
library("survival")
library("survminer")
#載入并查看數(shù)據(jù)集
data("lung")
head(lung)
str(lung)#該數(shù)據(jù)將所有變量都轉(zhuǎn)換為數(shù)值型，包括性別(1,2表示)，分期(1,2,3,4表示)等。若是字符型的話，結(jié)果會有所不同！
#cox 回歸分析（多因素）
res.cox <- coxph(Surv(time, status) ~ age+sex+ph.ecog+ph.karno+pat.karno, data = lung)
res.cox
summary(res.cox)
——適用于分類變量，同時展示所有協(xié)變量的結(jié)果
rm(list = ls())
library("survival")
library("survminer")
#載入并查看數(shù)據(jù)集
data("lung")
head(lung)
str(lung)#該數(shù)據(jù)都為數(shù)值型，如性別(1,2表示)。要分類展示cox回歸需要將分類變量因子化
#將分類變量從數(shù)值型改為因子
lung <- within(lung, {
sex <- factor(sex, labels = c('female', 'male'))})# female為對照
#cox回歸分析(多因素)
res.cox <- coxph(Surv(time, status) ~ age+sex+ph.ecog+ph.karno+pat.karno, data = lung)
res.cox
summary(res.cox)
##是否分開展示看結(jié)果，整體展示和分開展示哪個好說明好解釋用哪個！！
往期回顧
TCGA+biomarker——常見結(jié)果展示
TCGA+biomarker——Sample基線表
TCGA+biomarker——單因素Cox回歸
更多內(nèi)容可關(guān)注公共號“YJY技能修煉”~~~
