当前位置: 首页 > news >正文

Time to event :Kaplan-Meier曲线、Log Rank检验与Shiny R

代码:

# 创建数据框
data_a <- data.frame(
  usubjid = c('1- 1', '1- 2', '1- 3', '1- 4', '1- 5', 
              '1- 6', '1- 7', '1- 8', '1- 9', '1-10',
              '2- 1', '2- 2', '2- 3', '2- 4', '2- 5', 
              '2- 6', '2- 7', '2- 8', '2- 9', '2-10'),
  cnsr = c(0,1,0,1,0,1,0,0,0,1,
           1,0,1,0,1,0,0,1,0,1),
  time = c(5,7,9,1,10,2,9,11,8,4,
           11,11,9,11,10,12,9,9,9,13),
  arm = c(rep('A', 10), rep('B', 10))
)

# 查看数据结构
str(data_a)

# 显示前6行
head(data_a)

# 检查观测数
nrow(data_a)  # 应返回20

# 检查分组比例
table(data_a$arm)  # 应显示 A:10, B:10


# 加载必要的包
library(survival)
library(survminer)  # 用于可视化(可选)

# 创建生存对象:事件定义为cnsr=0(需反转cnsr)
Surv_obj <- Surv(time = data_a$time, event = 1 - data_a$cnsr)

# 分层分析(按arm分组)并进行Log-Rank检验
logrank_test <- survdiff(Surv_obj ~ arm, data = data_a)

# 提取原始p值并应用Bonferroni校正(仅一次比较,校正后p值不变)
p_value <- 1 - pchisq(logrank_test$chisq, df = 1)
adjusted_p_value <- p.adjust(p_value, method = "bonferroni")

# 输出Log-Rank检验结果
cat("Log-Rank Test Results:\n")
cat("----------------------\n")
cat("Chi-Square Statistic:", logrank_test$chisq, "\n")
cat("Degrees of Freedom:", logrank_test$df, "\n")
cat("Raw p-value:", p_value, "\n")
cat("Bonferroni-adjusted p-value:", adjusted_p_value, "\n\n")

# 拟合Kaplan-Meier曲线(对照组为B组)
km_fit <- survfit(Surv_obj ~ arm, data = data_a)

# 输出生存曲线摘要(含中位生存时间及置信区间)
cat("Kaplan-Meier Survival Summary:\n")
cat("------------------------------\n")
print(summary(km_fit))

# 加载包
library(survival)
library(survminer)  # 确保已加载!

# 绘制生存曲线
ggsurvplot(km_fit,
           data = data_a,
           pval = TRUE,          # 显示p值
           conf.int = TRUE,       # 显示置信区间
         

相关文章:

Time to event :Kaplan-Meier曲线、Log Rank检验与Shiny R

代码: # 创建数据框 data_a <- data.frame( usubjid = c(1- 1, 1- 2, 1- 3, 1- 4, 1- 5, 1- 6, 1- 7, 1- 8, 1- 9, 1-10, 2- 1, 2- 2, 2- 3, 2- 4, 2- 5, 2- 6, 2- 7, 2- 8, 2- 9, 2-10), cnsr = c(0,1,0,1,0,1,0,0,0,1,…...

线上救急-AWS限频

线上救急-AWS限频 问题 在一个天气炎热的下午&#xff0c;我正喝着可口可乐&#xff0c;悠闲地看着Cursor生成代码&#xff0c;忽然各大群聊中出现了加急➕全体的消息&#xff0c;当时就心里一咯噔&#xff0c;点开一看&#xff0c;果然&#xff0c;线上服务出问题&#xff0…...

JavaWeb学习打卡-Day1-分层解耦、Spring IOC、DI

三层架构 Controller&#xff08;控制层&#xff09;&#xff1a;接收前端发送的请求&#xff0c;对请求进行处理&#xff0c;并响应数据。Service&#xff08;业务逻辑层&#xff09;&#xff1a;处理具体的业务逻辑。DAO&#xff08;数据访问层/持久层&#xff09;&#xff…...

【LeetCode】1.两数之和

目录 &#x1f4da; 题目概要&#x1f9f0; 前置知识&#x1f6a7; 问题难点&#x1f511; 关键思路步骤拆解 &#x1f4bb; 代码实现代码注释 &#x1f4ca; 复杂度分析❗ 易错点与测试案例易错点测试案例 &#x1f517; 总结与扩展模式归纳核心思维 &#x1f4da; 题目概要 在…...

mongodb 存储数据的具体实现方式

MongoDB 存储数据的具体实现方式涉及数据模型、存储引擎、分片机制等多个核心模块&#xff0c;以下是其实现原理的详细分析&#xff1a; 一、数据模型 1.1 文档型数据模型‌ MongoDB 使用 BSON格式存储数据&#xff0c;支持键值对、嵌套文档和数组等复杂结构。 1.2 无模式设…...

【手机】vivo手机应用声音分离方案

文章目录 前言方案 前言 尝试分离vivo手机音乐与其他应用的声音 方案 最佳方案&#xff1a;网易云音乐设置内关闭音量均衡 上传不同的白噪音&#xff0c;成功 goodlock&#xff0c;主要适用于三星手机&#xff0c;vivo不一定适用 app volume control &#xff0c;可行...

多级缓存架构,让系统更快的跑起来!

大家好,今天,咱们来聊聊一个超级实用的话题——多级缓存架构。别一听“架构”俩字就头大,我保证,这篇文章既有趣又易懂,让你秒变缓存小达人! 一、多级缓存,为啥这么火? 在互联网的汪洋大海里,数据就是咱们的宝藏。但每次从数据库里捞数据,都跟挖宝藏似的,慢得很!…...

Vibracostic EDI 需求分析

Vibracostic 是德国Freudenberg集团旗下全球领先的减振与噪音控制技术公司&#xff0c;专注于为汽车及工业领域提供高效振动管理和隔音解决方案&#xff0c;客户涵盖宝马、奔驰、特斯拉等主流车企。 Vibracostic EDI 需求分析 供应商接收Vibracostic发来的DELFOR交付预测报文…...

基于超启发鲸鱼优化算法的混合神经网络多输入单输出回归预测模型 HHWOA-CNN-LSTM-Attention

基于超启发鲸鱼优化算法的混合神经网络多输入单输出回归预测模型 HHWOA-CNN-LSTM-Attention 随着人工智能技术的飞速发展&#xff0c;回归预测任务在很多领域得到了广泛的应用。尤其在金融、气象、医疗等领域&#xff0c;精确的回归预测模型能够为决策者提供宝贵的参考信息。为…...

Linux卸载删除gitlab

1、停止 gitlab服务 gitlab-ctl stop 2、卸载 gitlab&#xff08;社区版&#xff09; rpm -e gitlab-ce 或者 yum remove gitlab-ce 3、查看 gitlab 进程 ps aux | grep gitlab 4、杀掉gitlab service进程&#xff0c;该进程与runsvdir相关&#xff08;带有好多..........…...

高品质性价比之王-特伦斯便携钢琴V10

在电子钢琴选购过程中&#xff0c;预算与品质的平衡常常让消费者感到纠结。但特伦斯 V10 88 键可折叠电子钢琴的出现&#xff0c;为广大音乐爱好者带来了惊喜&#xff0c;亲民的价格实现了高品质的音乐体验。​ 先看便携性&#xff0c;同价位的电子钢琴大多体型庞大&#xff0c…...

解决方案评测|告别复杂配置!基于阿里云云原生应用开发平台CAP快速部署Bolt.diy

写在前面的话 突然看到上线了关于Bolt.new开源版本的解决方案测评&#xff0c;其实心里还是挺高兴的&#xff0c;我最早接触到Bolt.new的时候应该是在去年的11月份&#xff0c;当时是撰写了一篇名为一种基于通义千问prompt辅助Qwen2.5-coder-32bBolt.newv0Cursor的无代码对话…...

python测试框架之pytest

Pytest pytest 基础使用pytest安装pytest的测试case收集规则pytest - fixture的使用skip and xfailpytest - 属性标记测试函数pytest - 参数化测试pytest - mock/monkeypatch的使用pytest - 运行方式pytest - 运行方式/命令pytest - 处理测试失败的case pytest - 测试输出捕获 …...

uni-app 开发企业级小程序课程

课程大小&#xff1a;7.7G 课程下载&#xff1a;https://download.csdn.net/download/m0_66047725/90616393 更多资源下载&#xff1a;关注我 备注&#xff1a;缺少两个视频5-14 tabs组件进行基本的数据展示和搜索历史 处理searchData的删除操作 1-1导学.mp4 2-10小程序内…...

深度图可视化

import cv2# 1.读取一张深度图 depth_img cv2.imread("Dataset_depth/images/train/1112_0-rgb.png", cv2.IMREAD_UNCHANGED) print(depth_img.shape) cv2.imshow("depth", depth_img) # (960, 1280) print(depth_img)# 读取一张rgb的图片做对比 input_p…...

Java实现希尔排序算法

1. 希尔排序原理图解 希尔排序是插入排序的一种高效改进版本&#xff0c;通过比较和交换间隔较远的元素来减少数据的移动次数。以下是希尔排序的步骤&#xff1a; 1. 选择初始间隔&#xff1a;通常选择数组长度的一半作为初始间隔。 2. 分组和插入排序&#xff1a;将数组分成若…...

Apache RocketMQ 荣获 2024 开源创新榜单“年度开源项目

持续深耕 RocketMQ 领域&#xff0c;更多实战避坑指南、源码解析、最佳实践&#xff0c;已整理至「RocketMQ 中文社区」 &#x1f50d; 近日&#xff0c;以“新纪天工、开物焕彩——致敬开源的力量”为活动主题的“重大科技成就发布会&#xff08;首场&#xff09;”在国家科技…...

2025年智慧交通与能源技术国际会议(ITNET 2025)

The 2nd International Conference on Intelligent Transportation and Energy Technology 一、大会信息 会议简称&#xff1a;ITNET 2025 大会时间&#xff1a;(以官网为准&#xff09; 大会地点&#xff1a;中国南京 收录检索&#xff1a;提交Ei Compendex,CPCI,CNKI,Google…...

Spring Boot 集成 Redis 实战总结

Spring Boot 集成 Redis 实战总结 一、基础集成与配置 依赖引入 <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-redis</artifactId> </dependency>默认使用 Lettuce 作为连接池&#xf…...

ubuntu18.04启动不了修复

参考: 虚拟机里的Ubuntu18.4启动时进入到grub rescue救援模式&#xff08;无法正常进入到系统&#xff09;&#xff0c;ls查看后只有一个硬盘和分区&#xff0c;且无法找到/boot/grub文件【已解决】_ubuntu grub rescue-CSDN博客 本人fdisk错误使用,导致了grub启动不了 第一步…...

人类行为的原动力是自我保存-来自ChatGPT

自我保存&#xff08;Self-Preservation&#xff09;确实可以说是人类行为最原始、最底层的驱动力。 简单来说&#xff1a; 无论我们做什么&#xff0c;表面看动机五花八门&#xff0c;实际上归根到底都绕不开活下去、保护自己。 &#x1f4a1; 从不同层面理解这个观点&#…...

退役淘汰的硬盘数据安全处置不可忽视-硬盘数据抹除清零

在信息化时代&#xff0c;硬盘作为数据存储的核心载体&#xff0c;其退役处理直接关系到信息安全&#xff0c;淘汰硬盘中往往留存大量敏感信息&#xff0c;若处置不当&#xff0c;极易引发数据泄露风险&#xff0c;造成难以挽回的损失。因此&#xff0c;建立规范的硬盘数据销毁…...

创建 Node.js Playwright 项目:从零开始搭建自动化测试环境

一、环境准备 在开始创建 Playwright 项目之前&#xff0c;确保你的电脑上已经安装了以下工具&#xff1a; Node.js&#xff1a;Playwright 依赖于 Node.js 环境&#xff0c;确保你已经安装了最新版本的 Node.js。可以通过以下命令检查是否安装成功&#xff1a; node -v npm -…...

1+X: Python程序开发职业技能等级要求(初级)练习资料分享

以下将根据表1中Python程序开发职业技能等级要求&#xff08;初级&#xff09;的不同工作领域和任务&#xff0c;分别给出练习代码或操作步骤。 Python基础编程 开发环境搭建 操作步骤&#xff1a;以Windows系统为例&#xff0c;首先从Python官方网站&#xff08;https://www…...

【漏洞复现】CVE-2024-38856(ApacheOfbiz RCE)

【漏洞复现】CVE-2024-38856&#xff08;ApacheOfbiz RCE&#xff09; 1. 漏洞描述 Apache OFBiz 是一个开源的企业资源规划&#xff08;ERP&#xff09;系统。它提供了一套企业应用程序&#xff0c;用于集成和自动化企业的许多业务流程。 这个漏洞是由于对 CVE-2023-51467 的…...

【React】获取元素距离页面顶部的距离

文章目录 代码实现 代码实现 import { useEffect, useRef, useState } from react;const DynamicPositionTracker () > {const [distance, setDistance] useState(0);const divRef useRef(null);useEffect(() > {const targetDiv divRef.current;if (!targetDiv) re…...

【Markdown】【HTML】在Markdown中实现康奈尔笔记模式(右侧留白)

文章目录 HTML表格——康奈尔笔记法标签解释<table> 相关标签文本内容标签注释标签 最低限度应了解的HTML标签 (Essential HTML Tags)结构标签 (Structure Tags)文本标签 (Text Tags)列表标签 (List Tags)链接和图片 (Links and Images)格式化 (Formatting)表格 (Tables)…...

Go语言中的Context

目录 Go语言中的Context 1. Context的基本概念 1.1 Context的核心作用 2. Context的基本用法 2.1 创建Context 背景Context 可取消的Context 带有超时的Context 2.2 在Goroutine间传递Context 2.3 获取Context的值 为Context添加自定义数据 访问Context中的值 3. C…...

基于Python的图片/签名转CAD小工具开发方案

基于Python的图片/签名转CAD工具开发方案 一、项目背景 传统设计流程中&#xff0c;设计师常常需要将手写签名或扫描图纸转换为CAD格式。本文介绍如何利用Python快速开发图像矢量化工具&#xff0c;实现&#xff1a; &#x1f4f7; 图像自动预处理✏️ 轮廓精确提取⚙️ 参数…...

uniapp微信小程序:WIFI设备配网之TCP/UDP开发AP配网

一、AP配网技术原理 1.1 配网模式选择 AP配网&#xff08;SoftAP模式&#xff09;是IoT设备配网成功率最高的方案之一 1、其核心原理&#xff1a; ​​设备端​​&#xff1a;启动AP模式&#xff08;如SSID格式YC3000_XXXX&#xff0c;默认IP192.168.4.1&#xff09;​​手…...

docker部署seata

seata版本&#xff1a;2.0.0 使用eureka作为注册中心&#xff0c;mysql作为存储 拉取镜像 docker pull seataio/seata-server:2.0.0mysql建表语句 可从 github下载sql脚本 -- seata_server.branch_table definition CREATE TABLE branch_table (branch_id bigint NOT NULL,…...

JVM 内存分布详解

/*** 示例类&#xff0c;展示各种成员在JVM中的存储位置*/ public class MemoryDistributionExample {// 1. 实例变量&#xff08;普通成员变量&#xff09; - 存储在堆内存的对象实例中private int instanceVar 10;private String instanceRef "Instance Reference&quo…...

AR行业应用案例与NXP架构的结合

1. 工业巡检AR头盔 场景示例&#xff1a;宁德核电基地使用AR智能头盔进行设备巡检&#xff0c;通过实时数据叠加和远程指导&#xff0c;将工作效率提升35%。头盔需处理传感器数据、图像渲染和低延迟通信1。 NXP架构支持&#xff1a; 协处理器角色&#xff1a;NXP i.MX RT系列M…...

OpenCV 图形API(49)颜色空间转换-----将 NV12 格式的图像数据转换为 BGR 颜色空间函数NV12toBGR()

操作系统&#xff1a;ubuntu22.04 OpenCV版本&#xff1a;OpenCV4.9 IDE:Visual Studio Code 编程语言&#xff1a;C11 算法描述 将图像从NV12&#xff08;YUV420p&#xff09;颜色空间转换为BGR。 该函数将输入图像从NV12颜色空间转换为RGB。Y、U和V通道值的常规范围是0到25…...

Transformer中Post-Norm和Pre-Norm如何选择?

pre-norm: x n 1 x n f ( n o r m ( x n ) ) x_{n1}x_nf(norm(x_n)) xn1​xn​f(norm(xn​)) 其中第二项的方差由于有 norm 是不随层数变化的&#xff0c;于是 x 的方差会在主干上随层数积累。到了深层以后&#xff0c;单层对主干的影响可以视为小量&#xff0c;而不同层的 …...

jvm-描述符与特征签名的区别

在Java虚拟机&#xff08;JVM&#xff09;中&#xff0c;存储的是方法签名&#xff0c;而不是仅仅方法描述符。方法签名包含了方法的参数类型和返回值类型的信息&#xff0c;而方法描述符通常指的是仅包含参数类型的那部分信息。为了更清晰地理解这两者的区别以及它们如何在JVM…...

JVM有什么调优参数?

-Xms&#xff1a;堆最小值 -Xmx&#xff1a;堆最大值。-Xms与-Xmx 的单位默认字节都是以k、m做单位的。 通常这两个配置参数相等&#xff0c;避免每次空间不足&#xff0c;动态扩容带来的影响。 -Xmn&#xff1a;新生代大小 -Xss&#xff1a;每个线程池的栈大小。在jdk5以上…...

QT:Qt5 串口模块 (QSerialPort) 在 VS2015 中正确关闭串口避免被占用

以下是使用 Qt5 串口模块 (QSerialPort) 在 VS2015 中正确关闭串口避免被占用的完整示例代码&#xff1a; #include <QSerialPort> #include <QDebug>// 创建全局或类成员变量&#xff08;推荐使用智能指针&#xff09; QSerialPort *serialPort nullptr; // 打开…...

14.QT-多元素控件|QListWidget|QTableWidget|QTreeWidget(C++)

Qt中提供的多元素控件有: QListWidgetQListViewQTableWidgetQTableViewQTreeWidgetQTreeView 以QTableWidget和QTableView为例. QTableView是基于MVC设计的控件.QTableView⾃⾝不持有数据.使⽤QTableView的时候需要⽤⼾创建⼀个Model对象(⽐如 QStandardModel ),并且把Model…...

单页面应用的特点,什么是路由,VueRouter的下载,安装和使用,路由的封装抽离,声明式导航的介绍和使用

文章目录 一.什么是单页面应用?二.什么是路由?生活中的路由和Vue中的路由 三.VueRouter(重点)0.引出1.介绍2.下载与使用(5个基本步骤2个核心步骤)2.1 五个基本步骤2.2 两个核心步骤 一.什么是单页面应用? 定义和特点:所有功能都在一个HTML中实现 示例:网易云音乐 多页面应…...

Java并发编程-线程通讯

Java并发编程-线程通讯 线程通讯常见场景实现方法等待通知信号量实现栅栏实现锁机制实现 CountDownLatchCountDownLatch 常用方法说明模拟报表统计场景其他样例 CyclicBarrier 线程通讯 线程通讯指的是多个线程之间通过共享内存或消息传递等方式来协调和同步它们的执行。在多线…...

ubuntu学习day4

4 Linux 文件操作 4.1 基于文件指针的文件操作 Linux 中对目录和设备的操作都是文件操作&#xff0c;文件分为普通文件&#xff0c;目录文件&#xff0c;链接文件和设备文件。普通文件&#xff1a;也称磁盘文件&#xff0c;并且能够进行随机的数据存储(能够自由 seek 定位到某…...

百度暑期实习岗位超3000个,AI相关岗位占比87%,近屿智能携AIGC课程加速人才输出

今年3月&#xff0c;百度重磅发布3000暑期实习岗位&#xff0c;聚焦大模型、机器学习、自动驾驶等AI方向的岗位比例高达87%。此次实习岗位涉及技术研发、产品策划、专业服务、管理支持、政企解决方案等四大类别&#xff0c;覆盖超300个岗位细分方向。值得一提的是&#xff0c;百…...

vin码识别技术-车辆vin识别代码-Java接口集成

快速识别车辆vin码有助于提升汽车保险行业、4s店车辆出入库、二手车交易、车辆租赁公司等众多业务流程的管理。vin码识别接口&#xff0c;为汽车后市场实现车辆vin信息的快速提取提供了高效且可靠的解决方案。基于先进的ocr技术&#xff0c;能够迅速定位图片中的VIN码区域&…...

随机深林算法是分类还是回归?

随机森林算法既可以用于分类也可以用于回归。 一、随机森林用于分类的情况 原理 随机森林是一种集成学习算法&#xff0c;它通过构建多棵决策树来提高预测性能。在分类任务中&#xff0c;每棵决策树都是基于随机选择的特征子集和随机抽样的数据子集&#xff08;通常是通过自助…...

【现代深度学习技术】循环神经网络05:循环神经网络的从零开始实现

【作者主页】Francek Chen 【专栏介绍】 ⌈ ⌈ ⌈PyTorch深度学习 ⌋ ⌋ ⌋ 深度学习 (DL, Deep Learning) 特指基于深层神经网络模型和方法的机器学习。它是在统计机器学习、人工神经网络等算法模型基础上&#xff0c;结合当代大数据和大算力的发展而发展出来的。深度学习最重…...

北京大学|第8讲:《生成未必理解:基于扩散模型能否实现视觉世界模型》

导 读INTRODUCTION 随着人工智能技术的飞速发展&#xff0c;AI在图像和视频生成领域取得了显著成就&#xff0c;但生成和理解之间的统一仍然是一个挑战。北京大学深圳研究生院助理教授袁粒的团队正在探索如何实现这一目标&#xff0c;他们的研究可能会改变我们对AI生成和理解能…...

C++如何处理多线程环境下的异常?如何确保资源在异常情况下也能正确释放

多线程编程的基本概念与挑战 多线程编程的核心思想是将程序的执行划分为多个并行运行的线程&#xff0c;每个线程可以独立处理任务&#xff0c;从而充分利用多核处理器的性能优势。在C中&#xff0c;开发者可以通过std::thread创建线程&#xff0c;并使用同步原语如std::mutex、…...

Gmssl实战

最近项目要引入gm算法&#xff0c;实现aes和sm4数据加密&#xff0c;研究了一下两个系统的安装和测试用例 linux&#xff0c;从github下载GmSSL库&#xff08; https://github.com/guanzhi/GmSSL.git &#xff09;&#xff0c;以下为安装方法。 ## GmSSL库安装编译,需要确认…...

C语言 函数(上)

目录 1.函数的概念 2.库函数 3.自定义函数 4.形参和实参 5.return语句 1.函数的概念 数学中我们其实就见过函数的概念&#xff0c;比如&#xff1a;一次函数y kx b&#xff0c;k和b都是常数&#xff0c;给一个任意的x&#xff0c; 就得到一个y值。 其实在C语言也引入…...