ggforest（survminer）仅选定协变量

我想在考克斯生存模型之后创建一个森林地块。然而，我想只显示图表中的一些协变量？有人知道这是否可能吗？也许使用GG2？ 谢谢

库（生存）
图书馆（survminer）
模型我的机器上当前版本的
ggforest
不允许我选择要在绘图中显示的变量。然而，另一个包
forestmodel:：forestmodel
有
covariates=
，它应该允许用户选择变量。但是，当前版本的
forestmodel
可能无法正确执行此操作，如下图所示：

colon <- within(colon, {
  sex <- factor(sex, labels = c("female", "male"))
  differ <- factor(differ, labels = c("well", "moderate", "poor"))
  extent <- factor(extent, labels = c("submuc.", "muscle", "serosa", "contig."))
})
bigmodel <-
  coxph(Surv(time, status) ~ sex + rx + adhere + differ + extent + node4,
        data = colon )
forest_model(bigmodel, covariates = c("sex", "rx"))

这将生成以下图表。生成一个令人满意的图形可能需要更多的学习，但相对而言，您是在控制中的。

我的机器上当前版本的
ggforest
不允许我选择要在绘图中显示的变量。然而，另一个包
forestmodel:：forestmodel
有
covariates=
，它应该允许用户选择变量。但是，当前版本的
forestmodel
可能无法正确执行此操作，如下图所示：

colon <- within(colon, {
  sex <- factor(sex, labels = c("female", "male"))
  differ <- factor(differ, labels = c("well", "moderate", "poor"))
  extent <- factor(extent, labels = c("submuc.", "muscle", "serosa", "contig."))
})
bigmodel <-
  coxph(Surv(time, status) ~ sex + rx + adhere + differ + extent + node4,
        data = colon )
forest_model(bigmodel, covariates = c("sex", "rx"))

这将生成以下图表。生成一个令人满意的图形可能需要更多的学习，但相对而言，您是在控制中的。


library(forestplot)
library(tidyverse)
# Save model information
df <- broom::tidy(bigmodel,  exponentiate = TRUE)
# pick up the first 4 values 
df1 <- df[1:4, ] %>% 
  transmute( 
    HR = round(estimate, 2), 
    low = conf.low, 
    high = conf.high)

row_names <- cbind(c("Name", "Sex", "Lev", "Lev + 5FU", "adhere"),
                   c("HR", df1$HR))
df1 <- rbind(rep(NA, 4), df1)
forestplot(labeltext = row_names,
           df1[,c("HR", "low", "high")],
           is.summary=c(FALSE, FALSE, FALSE),
           zero      = 1,
           xlog      = TRUE)