使用R 语言先对数据框中某一列连续变量按照三等分转化为分类变量，再以每组的中位数进行赋值为新的一列分类变量，最后基于COX模型进行对这列新的分类变量计算其P for trend

您可以使用R语言中的dplyr包和Hmisc包来对数据框中的某一列连续变量进行三等分转化为分类变量。然后，使用dplyr包中的mutate()函数和Hmisc包中的cut2()函数将每组的中位数作为新的分类变量的值。最后，使用survival包中的coxph()函数和coxphtest()函数基于COX模型计算P for trend。示例代码如下：

# 加载所需的包
library(dplyr)
library(Hmisc)
library(survival)

# 将数据框按照某一列连续变量的值进行三等分转化为分类变量
your_data <- your_data %>% 
  mutate(column_cut = cut2(COLUMN, g = 3))

# 计算每组的中位数
medians <- your_data %>% 
  group_by(column_cut) %>% 
  summarize(median_value = median(COLUMN))

# 将每组的中位数作为新的分类变量的值
your_data <- your_data %>% 
  left_join(medians, by = "column_cut") %>% 
  mutate(new_category = median_value)

# 拟合COX模型并计算P for trend
cox_model <- coxph(Surv(time, event) ~ new_category, data = your_data)
trend_test <- coxphtest(cox_model, ~ new_category)
trend_p <- trend_test$chisq[2]

请注意，您需要将示例代码中的"your_data"和"COLUMN"替换为您自己的数据框和列名称。