◆ Wide Format: 사람이 읽기에 좋은 포맷 행(row)에 한 명의 정보를 담음 열(column)에 모든 요인(factor)의 level을 담음 sample ID sex age condition A condition B 1 female 38 9 b 2 male 29 8 b 3 male 41 9 a - 3 개의 factor (sex, age, condition)를 가지는 디자인 - 각 factor는 sex, age, condition이며, condition은 A, B의 level을 가짐 (cell의 숫자는 각 항목의 값) ◆ 위 디자인의 회귀식을 R에서 구하면 다음과 같다 aov(score ~ sex + age + condition) Wide 형식에서는 condition이 2 개의 열이므로 하나의 ..
재현 예제 논문: 1. Association of BRCA1 and BRCA2 mutations with survival, chemotherapy sensitivity, and gene mutator phenotype in patients with ovarian cancer (JAMA, 2012 doi: 10.1001/jama.2011.1456) 2. Integrated Genomic Analyses of Ovarian Carcinoma (Nature, 2011 doi: 10.1038/nature10166) 예제 데이터: CGDS-R package in cBioPortal, R 1. CGDS-R을 설치하고 CGDS 오브젝트 만들기 install.packages('cgdsr') library(cgdsr) ..
- 사건 발생과 관련한 인자가 1개일 때는 log rank test로 충분하지만, 실제 데이터에서는 2개 이상인 경우가 많음 - 치료 방법에 따른 생존의 차이를 보고자 할 때, 치료 방법뿐 아니라 나이, 성별, 환자의 다른 질환, 다른 위험 요소 등 직간접적으로 생존에 영향을 미치는 변수(potential confounders)들을 보정(통제)해야 할 필요가 있음 - 로지스틱 회귀분석은 사건 발생 여부에 초점을 두고, odds ratio를 종속변수로 하여 여러 독립 변수를 보정할 수 있음 - 생존 분석은 odds ratio와 유사한 hazard ratio를 다루므로 로지스틱 회귀분석의 알고리즘을 이용할 수 있으며, 이러한 분석 방법을 cox regression이라고 함 - cox regression은 시..
생존 함수 비교 두 그룹의 생존 함수의 동일성 여부를 검정하기 위한 방법 - 귀무 가설 H0: S1(t) = S2(t) - 대립 가설은 두 가지 1) H1: S1(t) > S2(t) 또는 H1: S2(t) a 일 때, H1:S1(t) > S2(t)이고, t ≤ a 일 때, H1: S1(t) ≤ S2(t) (a라는 특정 시점을 기준으로 두 그룹의 생존 함수가 교차되는 경우) 로그 순위 검정 (Log-Rank Test) 두 그룹의 생존 함수의 동질성 검정 각 사건 발생 시점 t(i)에서 그룹 1에 대해 귀무가설과 대립 가설 하에서 구한 위험률의 추정량 사용 t(i) 시점에서 관찰된 위험률은 O(1t) / N(1..
Kaplan Meier Estimation - 생존 분석 1에서와 같이 구간 별로 생존 확률을 구할 경우, 구간을 어떻게 설정하느냐에 따라 생존 확률이 달라지고, 특히 샘플이 적으면 그 차이가 심해지는 문제 발생 - 이를 해결하기 위해, 매 시간마다 event를 측정해서 누적 확률을 계산하는 Kaplan Meier 추정법을 이용 즉, 기간 유효 인원 수를 구하지 않고, 매 시점의 전체 인원으로 사망률을 계산함. 사망률 = 사망자수 / 해당 시점 전체 인원 수 - 개개인의 시간은 서로 독립적이며 중도 절단은 생존 시간과 독립이라고 가정 [기존 생존 함수 테이블] 기간 위험그룹 인원 수 유효인원 사망자 수 중도 절단 수 사망률 생존율 생존확률 (0-1] 100 100 20 0 0.2 0.8 0.8 (1-2]..
- Total
- Today
- Yesterday
- ECG
- 생존함수
- GPU설치
- vcf
- HRV
- sequenced data
- GradCam
- r
- pre-train
- featuremap
- 생존곡선
- NGS
- PTB
- 생존분석
- 딥러닝
- cnn
- sounddevice
- plink
- fasta
- 그룹비교
- 평균분석
- missing_value
- pmm
- rgb2gray
- psychopy
- gray2rgb
- Bioinfo
- SNP
- 인공지능
- 실험통계
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |