R语言实现COX回归的PH检验

R语言可以使用survival包中的函数coxph()来实现COX回归的PH检验。COX回归的PH检验是通过检验模型的残差是否与时间无关来判断模型是否满足比例风险假设。具体步骤如下：

1. 首先，加载survival包，并准备好生存数据集。

2. 使用coxph()函数拟合COX回归模型，并将结果保存在一个对象中。

3. 使用cox.zph()函数来执行PH检验。这个函数会计算出每个协变量对应的模型残差和时间的相关性。如果相关性不显著，就说明模型满足比例风险假设。

下面是一个示例代码：

# 加载survival包
library(survival)

# 准备生存数据集
data <- lung # 示例数据集

# 拟合COX回归模型
model <- coxph(Surv(time, status) ~ age + sex, data=data)

# 执行PH检验
ph_test <- cox.zph(model)

# 查看检验结果
ph_test

输出的结果会显示每个协变量的检验结果，包括协变量名称、相关性系数和p-value。如果p-value小于显著性水平（通常为0.05），则可以拒绝原假设，即认为模型不满足比例风险假设。

参考文献：
本文选自《R语言临床预测模型：分层构建COX生存回归模型STRATIFIED COX MODEL、KM生存曲线、PH假设检验》

以上是Cox回归的主要内容，大家有问题可以加群或者评论区留言，下次继续介绍时依协变量Cox回归和时依系数Cox回归。参考资料

上次介绍了生存分析中的寿命表、K-M曲线、logrank检验、最佳切点的寻找等，本次主要介绍Cox回归。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [R语言临床预测模型：分层构建COX生存回归模型STRATIFIED COX MODEL、KM生存曲线、PH假设检验...](https://blog.csdn.net/tecdat/article/details/129943298)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [R语言生存分析：Cox回归](https://blog.csdn.net/Ayue0616/article/details/128561343)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]