我们可以使用rlang::inject()
将带有!!
的参数拼接到通常不支持整齐计算的函数中.这使我们不必使用eval(expr(...))
,也回答了您的问题,为什么我们不需要使用dplyr::transmute()
的rlang::inject()
.后者已经支持整齐的计算,而cph()
不支持.
library(survival)
library(rms)
data(cancer)
x = sym('meal.cal')
rlang::inject(cph(Surv(time, status) ~ rcs(!!x), data = lung))
#> Frequencies of Missing Values Due to Each Variable
#> Surv(time, status) meal.cal
#> 0 47
#>
#> Cox Proportional Hazards Model
#>
#> cph(formula = Surv(time, status) ~ rcs(meal.cal), data = lung)
#>
#>
#> Model Tests Discrimination
#> Indexes
#> Obs 181 LR chi2 0.72 R2 0.004
#> Events 134 d.f. 4 R2(4,181)0.000
#> Center -0.3714 Pr(> chi2) 0.9485 R2(4,134)0.000
#> Score chi2 0.76 Dxy 0.048
#> Pr(> chi2) 0.9443
#>
#> Coef S.E. Wald Z Pr(>|Z|)
#> meal.cal -0.0006 0.0013 -0.48 0.6299
#> meal.cal' 0.0007 0.0051 0.14 0.8860
#> meal.cal'' 0.0010 0.0261 0.04 0.9682
#> meal.cal''' -0.0132 0.0676 -0.19 0.8456
#>
如果没有整齐的计算,我们可以保持R为基数,使用eval(bquote(...))
,拼接x
与.(x)
.
library(survival)
library(rms)
data(cancer)
x = sym('meal.cal')
eval(bquote(cph(Surv(time, status) ~ rcs(.(x)), data = lung)))
#> Frequencies of Missing Values Due to Each Variable
#> Surv(time, status) meal.cal
#> 0 47
#>
#> Cox Proportional Hazards Model
#>
#> cph(formula = Surv(time, status) ~ rcs(meal.cal), data = lung)
#>
#>
#> Model Tests Discrimination
#> Indexes
#> Obs 181 LR chi2 0.72 R2 0.004
#> Events 134 d.f. 4 R2(4,181)0.000
#> Center -0.3714 Pr(> chi2) 0.9485 R2(4,134)0.000
#> Score chi2 0.76 Dxy 0.048
#> Pr(> chi2) 0.9443
#>
#> Coef S.E. Wald Z Pr(>|Z|)
#> meal.cal -0.0006 0.0013 -0.48 0.6299
#> meal.cal' 0.0007 0.0051 0.14 0.8860
#> meal.cal'' 0.0010 0.0261 0.04 0.9682
#> meal.cal''' -0.0132 0.0676 -0.19 0.8456
#>
由reprex package(v2.0.1)于2022-09-26创建