R 计算多变量的生存p值

我有一个很长的变量列表，我想计算每个变量的生存差异（p值）。我使用survfit（）和surv_pvalue（）函数来获得结果，但在变量循环方面遇到了一些问题

library(survminer)

set.seed(2020)
data <- data.frame(Months = 10 + rnorm(1:10),
                   Status = c(rep((0),5),rep((1),5)),
                   clin = rep("bla bla", 10),
                   Var1 = sample(0:1, 10, replace=T,prob=c(0.5,0.5)),
                   Var2 = sample(0:1, 10, replace=T,prob=c(0.5,0.5)),
                   Var3 = sample(0:1, 10, replace=T,prob=c(0.5,0.5)))

fit.list <- list()

for (i in (4:ncol(data))){
  fit <- survfit(Surv(Months, Status) ~ colnames(data)[3+i], data = data)
  fit2 <- surv_pvalue(fit)
  fit.list[[i]] <- fit2
}

---

可能意味着

4:ncol（data）

和

colnames（data）[3+i]

的长度不一致，但我必须如何准确地指定它们？提前感谢您提供的解决方案

您可以使用

lappy

而不是迭代并附加到列表中：

lappy（数据[4:6]，函数（i）{
surv_pvalue（eval）调用（“survfit”，
公式=重新格式化（名称（数据）[i]，
“Surv（月、状态）”，
数据=数据）
})
#>$Var1
#>变量pval方法pval.txt
#>1个月0.3371479对数秩p=0.34
#> 
#>$Var2
#>变量pval方法pval.txt
#>1个月0.3371479对数秩p=0.34
#> 
#>$Var3
#>变量pval方法pval.txt
#>1个月0.3371479对数秩p=0.34

艾伦·卡梅伦的回答直截了当，而且非常有效。我几乎完美地使用了：

library(survminer)

set.seed(2020)
dat <- data.frame(Months = 10 + rnorm(1:10),
                   Status = c(rep((0),5),rep((1),5)),
                   clin = rep("bla bla", 10),
                   Var1 = sample(0:1, 10, replace=T,prob=c(0.5,0.5)),
                   Var2 = sample(0:1, 10, replace=T,prob=c(0.5,0.5)),
                   Var3 = sample(0:1, 10, replace=T,prob=c(0.5,0.5)))

fit.list <- list()

for (i in (4:length(dat))){
  fit <- survfit(Surv(Months, Status) ~ dat[,i], data = dat)
  fit2 <- surv_pvalue(fit)
  fit.list[[i]] <- fit2
}

库（survminer）
设定种子（2020年）
dat谢谢，我几乎达到了目的，将对象名从“data”改为“dat”，并将colnames（data）[3+I]改为dat[，I]。我把它作为一个答案附在下面。看来，for解比lappy快得多，至少对于我的数据（296个观察值x 157个变量）
library(survminer)

set.seed(2020)
dat <- data.frame(Months = 10 + rnorm(1:10),
                   Status = c(rep((0),5),rep((1),5)),
                   clin = rep("bla bla", 10),
                   Var1 = sample(0:1, 10, replace=T,prob=c(0.5,0.5)),
                   Var2 = sample(0:1, 10, replace=T,prob=c(0.5,0.5)),
                   Var3 = sample(0:1, 10, replace=T,prob=c(0.5,0.5)))

fit.list <- list()

for (i in (4:length(dat))){
  fit <- survfit(Surv(Months, Status) ~ dat[,i], data = dat)
  fit2 <- surv_pvalue(fit)
  fit.list[[i]] <- fit2
}