R語言實現競爭風險模型

競爭風險（competing risks）是指研究對象出現感興趣事件（interesting event）的同時還會出現其他結局事件，這些結局事件將阻止感興趣事件的出現或使其發生的概率降低，各結局事件間形成所謂的"競爭"關係，這一系列事件稱作競爭事件。

經典的生存分析（K-M法， Log rank法， Cox迴歸模型）通常關注一個終點事件，例如腫瘤患者發生了因心血管事件的死亡或意外死亡，就不能發生腫瘤特異性死亡，與我們關注的終點事件（腫瘤特異死亡）呈競爭關係。通俗的說就是，一個肺癌患者經過一段時間後並不是死於肺癌，而是死於冠心病，那麼我們認為冠心病與肺癌就形成了競爭關係。

傳統的生存分析將這些事件與失訪、存活個體均記為刪失數據，這樣會高估腫瘤特異性死亡的累計發生率。像這樣含有競爭事件的縱向數據處理方法應採用競爭風險模型。

下面我們通過R軟件來建立競爭風險模型。使用cmprsk包中的

crr()函數建立競爭風險模型。

實例：我們選用舌癌隨訪數據來進行分析。

將數據清洗成下面的格式，同時附有參數設置文件，用於後期查看。

代碼：

#加載包

library(cmprsk)
library(splines)
library(survival)

#加載數據

dat 
#統計每種事件數
table(dat$cause.death)
 
0代表刪失，1代表死於舌癌，2代表死於其他原因
①首先以數據集中的年齡為協變量建立風險模型
fit
上圖是模型結果，第一行提示模型是收斂的(convergence:TRUE) ，Age擬合的協變星系數: 0.2619,標準誤: 0.1567，P值: 0.095。
說明年齡Age不是是否發生結局事件的影響因素。 
fit1
進一步用數據集中的腫瘤分期" Grade "作為協變量建模，發現P值1.4*10^-8遠小於0.05，有統計學意義，提示年齡" Grade "是是否發生結局事件的影響因素。係數是0.5993為正，這意味著較高的值表示發生結局事件的風險越高。
②考慮多個協變星
x 
數據集中的腫瘤分期" Age "和"Radiation"作為協變量，建立多因素競爭風險模型，上圖是模型結果，兩個變量的p值均小於0.05，係數為正，同樣意味著較高的值表示發生結局事件的風險越高。
③競爭風險，探討其他結局
crr函數是以1（死於舌癌）為結局事件，如果想要探討協變量對競爭事件的影響，就需要加上代碼"failcode=2"。
x1 
上圖以數據集中的腫瘤分期" Age "和"Radiation"作為協變量，以事件2（其他死亡原因），建立多因素競爭風險模型，結果解讀相同，兩個變量的p值均小於0.05，係數為一正一負，為正的變量"Age"同樣意味著較高的值表示發生結局事件的風險越高，而為負的變量"Radiation"意味著較高的值表示發生結局事件的風險越低。
④模型詳細信息
想要得到HR值，我們使用summary()函數
fit4
fit4
 
summary(fit4)
該模型的HR值為結果中的exp(coef)。