有同学发邮件问我这个问题，我以前还真没有留意过，也是由于我这方面也是刚刚接触，对统计也是不甚了解，查阅资料终于知道了原因，下面一起来看看，学习一下：

---

相信大家在看构建模型类文献的时候，经常看到有这么一段话，说我们的风险评分Riskscore等于基因的表达量与其系数的乘积的加权。可是轮到自己构建模型的时候，用R语言的predict()函数计算出来的Riskscore，却与放到excel中，手动将这些建模的基因与其系数相乘，然后将这些乘积加起来的结果，并不相等。这是为什么呢，本节将为您解开心中解惑：

首先，我们可以看到下面几篇文献中关于Riskscore的描述：

上面几篇文献有28分的，有十几分的，也有几分的，有甲基化的，也有circRNA、mRNA的，它们构建模型的风险评分都是  Riskscore = 基因1的表达量*系数1 + 基因2的表达量*系数2 + … + 基因n的表达量*系数n。

但是我们在做自己的文章的时候，当我们用多因素cox回归建好模型后，用下面的代码计算的Riskscore:

load(file = “multicox_Exp.Rdata”) #加载数据head(multicox_Exp)[1:5,1:5]  #看一下数据

数据的行名为样本名，第一列为生存时间，第二列为生存状态，其余为建模的”基因”。下面用predict()函数计算风险评分

riskScore=predict(multiCox,type=”risk”,newdata=multicox_Exp) #predict函数计算风险评分riskScore<-as.data.frame(riskScore)View(riskScore) #可以打开看一下

predict函数计算的riskscore

相信，接着，很多人都会再用建模的”基因“及其系数，在excel中计算一遍riskscore，用公式：

Riskscore = 基因1的表达量*系数1 + 基因2的表达量*系数2 + … + 基因n的表达量*系数n。得到

用excel计算的riskscore

对比一下，很明显可以发现，对于同一个样本，其风险评分Riskscore，用predict()函数计算的，与用excel计算的并不相等。但很明确的是，咱们用excel计算Riskscore的时候，用的就是文献中所说的公式啊：基因的表达量与其系数的乘积的加权。这就说明了一个问题，多因素cox回归建模后，用predict()函数计算所得的Riskscore，并不是等于 基因1的表达量*系数1 + 基因2的表达量*系数2 + … + 基因n的表达量*系数n。那么，为什么文献中作者是这么说的呢，难道作者们都错了吗？

首先，我们了解一下cox回归，Cox回归是由英国生物统计学家D.R.COX提出的一种半参数的比例风险模型，可以同时分析多种因素对生存时间影响的多变量生存分析方法，Cox回归公式为：

此公式中，β指回归系数，对其取反自然对数exp（β）后可以得到HR值；ho(t)为基准风险函数；h(t,X)为在时间t处与X(协变量)相关的风险函数。多因素cox回归建模后，我们用predict()函数计算得出的风险评分的值实际上是h(t,X),  而不是（β1X1 + β2X2 + …+βnXn）  。我们可以验证一下。

这里先说两个概念，比例风险假定和对数线性假定。比例风险假定是说各危险因素的作用不随时间的变化而变化，即h(t,X)/ho(t)不随时间的变化而变化，这一假定是建立cox回归的前提条件。对数线性假定是说cox回归模型中的协变量应与对数风险比呈线性相关。非常拗口，难以理解？

其实，从上述公式不难看出：

再取ln，得

结果如下：

可以看到，计算结果collection这一列，几乎为一个定值（多了一个1的可能由于保留小数点后位数的不同所致）。其实collection这一列的计算结果就是 ：lnho(t)   。

说到这，我想大家已经明白，如果我们用是多因素cox回归构建的模型，并且，用了函数predict（）计算患者的风险评分，代码：

riskScore=predict(multiCox,type=”risk”,newdata=yourdata_Exp)

那么，我们在写论文的时候，就不能用开头的那几篇论文中的陈述方法来说表示我们的riskscore，而应该用

来描述我们构建的riskscore。

注意，上面咱说的是不能用陈述，是指不能用那个说法，毕竟我们明明用A方法计算的riskscore，却用B方法的描述方法来说A,这说法肯定不恰当吧。

那么，问题来了，假如我们用了多因素cox回归建模的，究竟可不可以用 基因1的表达量*系数1 + 基因2的表达量*系数2 + … + 基因n的表达量*系数n  来表示患者的riskscore呢？ 嗯，可以的。上面可以看出，两种计算方式是呈对数线性关系的，这两种方法都是正确的。而且，

Riskscore = *基因1的表达量系数1 + 基因2的表达量*系数2 + … + 基因n的表达量*系数n 似乎是很多论文都喜欢采取的表示方式。所以如果我们在用多因素cox回归构建模型后，想用开头那几篇论文的这种方式（基因表达量与其系数的乘积的加权），那么，请记得手动excel中或者自己写个代码计算喔，而不是再用predict函数了喔。

转自：医学生之学习生信