Cox比例风险模型全集（三）

Cox比例风险模型，又称Cox回归模型，是临床数据分析中较为常用的一种生存分析方法，也是临床数据分析人员应掌握的基本方法。本文就有关Cox回归模型的一系列分析与可视化方法做了一个汇总，主要内容包括：单因素Cox回归、多因素Cox回归分析（含逐步回归）、PH假定检验和含时间依存变量的Cox回归模型、限制性立方样条在Cox回归模型中的应用、LASSO回归在Cox回归模型中的应用、Cox回归模型的评价（C-index、时间依存ROC曲线、校正曲线、决策曲线分析）、Cox回归模型的可视化（森林图、列线图）。另外，考虑到临床预测模型的热度，我们将通过临床预测模型的建立与验证这一过程对上述分析和可视化方法进行一一展现。

今天继续第三贴：绘制Cox回归模型的森林图。

1.利用survminer程序包自带的ggforest函数绘制森林图

这个ggforest函数可以在建立Cox回归模型后直接使用，也算是一键输出森林图了，不过看起来不是那么美观。

1.1 建立多因素Cox回归模型

1.2 利用ggforest绘制森林图

noDigits用来定义HR值和其95%置信区间的数字位数，这里选择显示小数点后三位；refLable用来定义参照组，这里用reference的缩写“Ref.”来替代。

2.利用forestplot函数绘制森林图

用forestplot函数绘制森林图就稍微有点复杂了，需要现对数据进行整理。

2.1 整理数据

数据可以写在在spss里，也可以用excel，我在之前的帖子里用的是spss（来，挑一款你喜欢的森林图（超实用）），这次用excel。整理好的数据如下图这样。

2.2绘制森林图

使用读入excel格式的数据时要注意，不要把第一行作为表头，这里可以用colNames=F来设置，然后别忘了用attach来绑定数据。读入后的数据是这样的

接下来是绘制森林图的具体代码，我在代码行前加了解释，帮助大家理解

最后的森林图就是上面这个样子的，但是由于变量间可信区间的差异较大，导致HR值较小的压缩在了一起。另外，我把复式森林图的代码也截图放在这里，我就不再按照这个数据进行修改和展示了

森林图的绘制有很多程序包都可以完成，这个是比较经典的方式，大家可以先掌握这些。本系列第四篇主贴将对Cox模型的验证与评价（ROC 曲线、C-index、calibration curve、DCA）进行展示。