Question

我试图对特定癌症类型中的数百个基因进行生存分析。我有2个数据帧（m2和m3）。 m2包括样品ID以及总体存活（样品活着多长时间）和状态（如果样品存活或死亡）的列。在m3中，我有一列用于样本ID，列2：256是不同的基因。如果每个样本在该基因中具有突变，则用1表示，如果不是，则用0表示。我试图确定哪些基因在比较它们在存活中的作用时具有统计学意义。我正在尝试运行for循环来运行此survdiff函数并生成p值，但不断收到错误。

for (x in 2:ncol(m3)) {survdiff(Surv(m2$Overall.Survival, m2$Status) ~ x, data = m3)}

我不断得到的错误是：

Error in model.frame.default(formula = Surv(m2$Overall.Survival, m2$Status) ~  : 
  variable lengths differ (found for 'x')

Answer 1

您有“x”作为索引，并在公式的RHS上使用它。公式的RHS不能一次接受一个数字并对它做任何有用的事情。 RHS应该是列的名称，此外，它应该是语言对象的形式。做htis的一种方法是使用as.formula，但我提出的方式对我来说似乎有点简单。您显然希望使用“x”作为列的索引，因此这段代码可能会提供您想要的内容：

for (x in names(2:ncol(m3)) ) { print(  paste( x, 
        survdiff(Surv(Overall.Survival, Status) ~ ., 
                 data = cbind( m2[ c('Overall.Survival', 'Status')] , m2[ x])

                                     )$chisq) }

将“x”移动到选择单个列的字符变量的角色，然后RHS上的“点”选择数据参数中不在LHS上的任何内容。

我添加了print，因为在R for循环函数结果中完成的事情不会传递到全局环境。循环本身返回NULL，只有1）赋值或2）print或3）cat你会看到结果。

这几乎肯定是在统计的基础上做错了，我认为你应该咨询一位统计学家，以帮助理解与“多重比较”相关的严重陷阱。

对于循环 - 生存分析

1 个答案: