r語言 回歸分析 分類變量_R語言下的PSM分析分類變量處理與分析步驟

最近學習了PSM，我選擇了用R去跑PSM，在這過程中遇到了許多問題，最後也都一一解決了，寫下這個也是希望大家在遇到相同問題的時候能夠得到幫助和啟發，别的應該不會遇到太難的問題了哈哈。最近我也沒做什麼，錄資料，或者說還在調整心态，最近遇到的事情也比較多，又或者說最近的心态比較亂，晚上也睡不好導緻白天也比較煩躁，是以可能還是需要一段時間去好好調整，是以最近更新的也比較慢。不過還是會堅持的。

問題闡述：

1.   對于PSM分析，首先你要做的是将所有的協變量變成二分類變量。舉個例子，比如你要比較不同處理方式的患者(處理方式A和B)的生存OS，由于是回顧性研究，是以會導緻病人的基線水準不一緻，是以需要選用PSM處理患者的基線水準，如性别，年齡，BMI，有無糖尿病等基礎疾病，生化名額等，那麼你就要将生化名額正常與否改成分類變量0和1，同樣的，有無基礎疾病也是0和1，這是做PSM的第一步，當然，年齡不需要做修改，性别還是要改成二分類變量的。

2.   對于惡性良性腫瘤患者的一些名額，比如癌症的分期，TNM分期，分化程度，他不能簡單的視為二分類變量，這個時候怎麼處理呢？一方面，你可以将T0，T1，T2，T3，T4這麼多分成二分類，如T0和T1為0，T2，T3，T4為1，這麼處理是可以的，但是呢如果一定要準确分類每一個類型呢，這時候就要給這些值做一些處理，下面是我的代碼。

library(MatchIt)  #加載MatchIt程式包

library(foreign)  #加載foreign程式包

library(tableone)

library(nonrandom)

mydata1=read.csv("PSM-4-2.csv")  #讀取資料到mydata

names(mydata1)  #檢視資料變量名

mydata1$AR=factor(mydata1$AR)

mydata1$RAS=factor(mydata1$RAS)

mydata1$number=factor(mydata1$number)

mydata1$LOBE=factor(mydata1$LOBE)

mydata1$location=factor(mydata1$location)

mydata1$DFS=factor(mydata1$DFS)

mydata1$CEA=factor(mydata1$CEA)

mydata1$size=factor(mydata1$size)

mydata1$N=factor(mydata1$N)

View(mydata1)

stable print(stable,showAllLevels = TRUE)

m.out = matchit(LOBE~SIZEr+NUMBER,data = mydata1, method ="nearest",ratio = 1)

#比對過程，method包括"exact" (exactmatching), "full" (full matching), "genetic" (geneticmatching), "nearest" (nearest neighbor matching), "optimal"(optimal matching), "subclass" (subclassification) are available.預設為"nearest".

#ratio可設定比對比例;

summary(m.out)  #檢視比對情況

plot(m.out, type ="jitter")  #檢視比對前後貨币評分分布圖

m.data1 write.csv(m.data1, file="B:/psm19-4-2(1-5)-2.csv")  #導出比對資料成CSV格式，供後續分析使用.

按照這樣的格式，你就可以完成分類變量的比對，否則他會以為你是數值型，你就比較難的能比對到想要的患者。明天還要考試，自然辯證法，一臉懵逼，現在準備回去準備準備，畢竟明天到考場什麼都寫不出來總不行吧！禮拜一踢足球摔了一跤，真的慘，走路到現在還疼，但還是要多運動多玩玩，不能每天都悶着不出去活動。

之前介紹了非常厲害的一個科研達人，今天介紹一下NB白富美，NB白富美現在在武漢開會，是一名内科醫生，這名内科醫生醫術怎麼樣我不知道，王者榮耀還是蠻會玩的，可惜不知道她是專一還是能力有限，每次隻玩一個英雄，不過水準要比YJ高一個level，非常不錯，希望今後能看到她使用不同的英雄，在戰場上飛馳。至于我，好像好久沒玩了。。。