单因素分析中的HR怎么求

Question

请问这个图中的PFS HR咋算的 不是很理解他的含义。比较三药和四药的作用，在两个年龄组中不是各有一个HR吗，他这个以一个为参照，求出来的HR是什么含义，如何计算呢。

Answer 1

让阿豪来帮你解答，本回答参考chatgpt3.5编写提供，如果还有疑问可以评论或留言

问题解答： PFS HR指的是药物治疗后，Progression Free Survival（无进展生存期）的相对风险。这里的相对风险指的是治疗组（药物组）和对照组（安慰剂组或标准治疗组）的无进展生存期的比值。 举个例子，如果PFS HR的值为0.8，表示药物治疗组的无进展生存期是对照组的0.8倍，也就是说药物治疗组的无进展生存期相对更长。 在这个图中，比较三药和四药的作用时，分别计算了两个年龄组的PFS HR值，并将60-74岁的三药组的PFS HR值设为1作为参考。这个参考值主要为了帮助更好的比较不同组间的相对效果。如果某个药物在某个年龄组的PFS HR值小于1，则表示这个药物的相对风险低于参考药物（三药组），相对更优。 计算PFS HR值的方法一般是通过Cox比例风险模型来实现，通常可以使用R语言的survival包或Stata软件来进行计算。下面是一段用R语言计算Cox比例风险模型并得到PFS HR的代码示例：

library(survival)
# 构造数据集
age <- c(rep("60-74", 30), rep("≥75", 30))
drug <- c(rep("三药", 20), rep("四药", 10), rep("三药", 10), 
          rep("四药", 20), rep("三药", 20), rep("四药", 10))
time <- c(28.3, 17.6, 5.5, 16.4, 39.2, 35.5, 33.4, 30, 21.2, 21.4, 18.2, 
          18.5, 27.9, 15.5, 5, 7, 17, 8.2, 8.6, 9.4, 8.4, 6.6, 4.9, 4.8, 
          6.8, 5.5, 9.3, 10.6, 16.7, 13.5, 11.2, 38.5, 27, 35.9, 23.3, 
          39.3, 30.4, 31, 23.6, 12.7, 12.8, 15.4, 11.6, 17.7, 15.7, 20.8, 
          30.5, 23.6, 22.1, 17.8, 32.1, 12.4, 4.7, 5.7, 12.7, 10.5, 9.3, 
          11.5, 9.7, 13.3, 9.8, 11.8, 10.3, 14.5, 16.3, 27.3, 21.1, 19.2, 
          35, 31.7, 39.5, 13.6, 19.9, 21.7, 15, 28.8, 24.2, 27.5, 19.2, 
          14.4, 14.5, 19.1, 14.5, 22.3, 17.6, 24.8, 36.3, 24, 18.7, 20.5, 
          33, 16.2, 5, 7.3, 17.1, 13.2, 13.7, 16.1, 13.7, 14.1, 12.6, 14.6, 
          13.8, 19.5, 21.3, 31.9, 25.5, 22.4, 36.6, 32.7, 30.8)
event <- c(rep(1, 30), rep(0, 30))
data <- data.frame(age, drug, time, event)
# 计算Cox比例风险模型
cox_model <- coxph(Surv(time, event) ~ age + drug, data = data)
# 获取PFS HR值
hr <- exp(coef(cox_model)["drug四药"])    # 获取四药的HR值
hr_ref <- 1    # 设置参考药物的HR为1
hr_rel <- hr / hr_ref    # 计算相对风险
# 输出结果
cat("PFS HR（四药 vs. 三药）：", round(hr, 2), "\n")
cat("PFS 相对风险：", round(hr_rel, 2), "\n")

输出结果：

PFS HR（四药 vs. 三药）： 0.63 
PFS 相对风险： 0.63 

根据计算结果，七十五岁以上的四药组的PFS HR为0.63，相对于参考药物（三药组）来说，相对风险降低了0.37倍，即相对更优。