西安营销型网站建设公司,ps做网站主页图片,余姚做网站设计的,开发商是什么意思基于 PS #xff08;倾向评分#xff09;的逆概率加权(IPTW )法首先由#xff32;osenbaum作为一种以模型为基础的直接标准化法提出#xff0c;属于边际结构模型。简单来说#xff0c;就是把许多协变量和混杂因素打包成一个概率并进行加权#xff0c;这样的话#xff0c…基于 PS 倾向评分的逆概率加权(IPTW )法首先由osenbaum作为一种以模型为基础的直接标准化法提出属于边际结构模型。简单来说就是把许多协变量和混杂因素打包成一个概率并进行加权这样的话我只用计算它的权重就可以了方便了许多。那么如何将多个协变量的影响用一个倾向评分值来表示呢? 即如何估计倾向评分值呢? 根据 Rosen-baum 和 Rubin 的定义:倾向评分值为在给定一组协变量(X i )条件下研究对象 i(i 12…N)被分配到某处理组或接受某暴露因素(Z i 1)的条件概率。 R语言绘制逆概率加权后的基线表 代码
library(tableone)
library(survey)# 这是一个关于早产低体重儿的数据公众号回复早产数据可以获得该数据
# 低于2500g被认为是低体重儿。数据解释如下low 是否是小于2500g早产低体重儿age 母亲的年龄
# lwt 末次月经体重race 种族smoke 孕期抽烟ptl 早产史计数ht 有高血压病史ui 子宫过敏
# ftv 早孕时看医生的次数
bc-read.csv(E:/r/test/zaochan.csv,sep,,headerTRUE)
bc - na.omit(bc)#先把分类变量转成因子
bc - na.omit(bc)
bc$race-ifelse(bc$raceblack,1,ifelse(bc$racewhite,2,3))
bc$smoke-ifelse(bc$smokenonsmoker,0,1)
bc$low-factor(bc$low)
bc$race-factor(bc$race)
bc$ht-factor(bc$ht)
bc$ui-factor(bc$ui)#假设我们研究的是有无高血压ht对生出低体重儿low的影响我们先绘制一个还没有加权的患者基线表dput(names(bc))##输出变量名allVars -c(age, lwt, race, smoke, ptl, ht, ui, ftv, bwt)###所有变量名
fvars-c(race, smoke,ht,ui)#分类变量定义为fvars
tab2 - CreateTableOne(vars allVars, strata low , data bc, factorVarsfvars,addOverall TRUE )###绘制基线表
print(tab2)#输出表格#我们先建立回归方程生成预测值
pr- glm(ht ~age lwt race smoke ptl ui ftv, databc,familybinomial(link logit))
pr1-predict(pr,type response)
summary(bc$ht)#分别生成两种权重
#Robins等给出的加权系数(形)计算方法
w- (bc$ht1) * (1/pr1) (bc$ht0) * (1)/(1-pr1)#Heman等人对计算方法计算稳定权重要先生成概率发生高血压的概率
pt-12/(17712)
w1 - (bc$ht1) * (pt/pr1) (bc$ht0) * (1-pt)/(1-pr1)#绘制加权后的基线表格 #Robins
bcSvy1- svydesign(ids ~ id, strata ~ low, weights ~ w,nest TRUE, data bc)Svytab1- svyCreateTableOne(vars c( age, lwt, race, smoke, ptl,ui, ftv, bwt),strata low, data bcSvy1 ,factorVars c(race, smoke,ht,ui))
Svytab1#绘制加权后的基线表格 #Heman
bcSvy2- svydesign(ids ~ id, strata ~ low, weights ~ w1,nest TRUE, data bc)
Svytab2- svyCreateTableOne(vars c( age, lwt, race, smoke, ptl, ui, ftv, bwt),strata low, data bcSvy2 ,factorVars c(race, smoke,ht,ui))
Svytab2
