🤩 autoReg | 分分钟输出各种发表级回归图表（二）

生信漫卷

发布于 2022-10-31 17:12:37

1.6K0

发布于 2022-10-31 17:12:37

1写在前面

本期继续介绍git上的神包，autoReg，如果你认为它只能像table1一样的完成统计表的输出, 那你就小看它啦！~ 它更为重要的应用就是单因素回归分析和多因素回归分析等等。 应用场景：危险因素探索、预后因素探索等。

2用到的包

rm(list = ls())
#devtools::install_github("cardiomoon/autoReg")
library(autoReg)
library(tidyverse)
library(ggsci)

3示例数据

本期示例数据为survival包中的cancer数据集。

library(survival)
data(cancer)

4多因素logistic回归

这里我们以logistic回归为例，进行演示，大家在应用的时候，依据结局变量的不同选择不同方法建模即可。

4.1 建模

fit <- glm(status~rx+sex+age+obstruct+perfor+nodes,
           data=colon,
           family="binomial")
summary(fit)

4.2 整理数据为table

这里我们快速整理成方便阅读的表格形式，配合myft()直接输出成发表级。

autoReg(fit) %>% 
   myft()

4.3 更改label

上面的表格显示为0和1，并不方便阅读，当然你可以选择在word中更改。这里我们将其转为factor，并设置label。

colon$status.factor <- factor(colon$status,labels=c("Alive","Died"))
colon$obstruct.factor <- factor(colon$obstruct,labels=c("No","Yes"))
colon$perfor.factor <- factor(colon$perfor,labels=c("No","Yes"))
colon$sex.factor <- factor(colon$sex,labels=c("Female","Male"))

fit <- glm(status.factor~rx+sex.factor+age+obstruct.factor+perfor.factor+nodes,
           data=colon,
           family="binomial")

result <- autoReg(fit) 
result %>%
  myft()

4.4 设置变量的label

给变量名加label的话，我们就用setLabel函数吧。

colon$status.factor <- setLabel(colon$status.factor,"Mortality")
colon$rx <- setLabel(colon$rx,"Treatment")
colon$age <- setLabel(colon$age,"Age(Years)")
colon$sex.factor <- setLabel(colon$sex.factor,"Sex")
colon$obstruct.factor <- setLabel(colon$obstruct.factor,"Obstruction")
colon$perfor.factor <- setLabel(colon$perfor.factor,"Perforation")
colon$nodes <- setLabel(colon$nodes,"Positive nodes")

fit <- glm(status.factor~rx+sex.factor+age+obstruct.factor+perfor.factor+nodes,
           data=colon,
           family="binomial")

result <- autoReg(fit) 
result %>%
  myft()

4.5 不显示reference

在回归分析中，有一组会作为我们的参照组，即reference，如果你并想它显示的话，可以这样做：

shorten(result) %>% myft()

5单+多因素logistic回归

5.1 加入单因素回归

这里我们加上单因素logistic回归的结果。

autoReg(fit, uni=TRUE) %>% 
  myft()

5.2 纳入所有变量

我们将threshold设定为1，纳入所有变量进入多因素分析。你可以根据自己的需要设置threshold。

autoReg(fit, uni=TRUE,threshold=1) %>% 
  myft()

5.3 建立最终模型

我们将通过筛选的变量，纳入最终的模型吧，即final设为T。

autoReg(fit, uni=TRUE,threshold=1, final=TRUE) %>% 
  myft()

6回归结果的可视化

6.1 单一结果可视化

这里我们用森林图的形式，先可视化一下多因素logistic回归的结果吧。

颜值也就是凑活吧。。。。😂

modelPlot(fit,change.pointsize = T)

6.2 多结果可视化

接着我们同时展示单因素logistic回归和多因素logistic回归的结果吧。顺便我们改一下颜色吧，提高一下颜值~🤒

p2 <- modelPlot(fit,uni=TRUE,
          threshold=1,
          show.ref=FALSE,
          change.pointsize = T)

p2$p <- p2$p+
  scale_fill_nejm()+
  scale_color_nejm()

p2

最后祝大家早日不卷!~

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2022-09-13，如有侵权请联系 cloudcommunity@tencent.com 删除

编程算法

本文分享自生信漫卷微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

编程算法

登录后参与评论

0 条评论

热度