預(yù)測模型實(shí)戰(zhàn)：基于R、SPSS和Stata

目錄
第1章  臨床預(yù)測模型基礎(chǔ)  /  1
1.1  三種建模策略解讀  /  1
1.1.1  風(fēng)險因素發(fā)現(xiàn)模型  /  1
1.1.2  風(fēng)險因素驗(yàn)證模型  /  2
1.1.3  臨床預(yù)測模型  /  3
1.2  臨床預(yù)測模型分類與分型  /  5
1.2.1  預(yù)測模型目的分類  /  5
1.2.2  預(yù)測模型數(shù)據(jù)來源分類  /  6
1.2.3  數(shù)據(jù)集分類  /  7
1.3  區(qū)分度-C指數(shù)  /  8
1.4  凈重新分類指數(shù)  /  10
1.5  綜合判別改善指數(shù)  /  12
1.6  校準(zhǔn)度  /  13
1.6.1  Hosmer-Lemeshow檢驗(yàn)  /  13
1.6.2  Calibration plot  /  13
1.7  臨床決策曲線  /  16
1.8  模型可視化（Visualization）  /  18
1.9  交叉驗(yàn)證  /  19
1.9.1  簡單交叉驗(yàn)證（Simple Cross Validation）  /  20
1.9.2  K折交叉驗(yàn)證（K-Folder Cross Validation）  /  20
1.9.3  留一法交叉驗(yàn)證（Leave-one-out 
       Cross Validation）  /  20
1.10  自助抽樣法  /  20
1.11  LASSO回歸  /  21
1.12  臨床預(yù)測模型報告規(guī)范  /  23
第2章  模型構(gòu)建相關(guān)問題  /  26
2.1  單變量進(jìn)入模型的形式  /  26
2.1.1  數(shù)值變量進(jìn)入模型的形式  /  26
2.1.2  等級變量進(jìn)入模型的形式  /  27
2.1.3  分類變量進(jìn)入模型的形式  /  28
2.2  模型構(gòu)建策略探討  /  29
2.2.1  先單后多法  /  29
2.2.2  全部進(jìn)入法  /  29
2.2.3  百分之十改變量法  /  29
2.2.4  LASSO回歸法  /  29
2.3  統(tǒng)計(jì)建模  /  30
2.3.1  危險因素篩選模型  /  30
2.3.2  風(fēng)險因素驗(yàn)證模型  /  30
2.3.3  臨床預(yù)測模型  /  30
第3章  SPSS臨床預(yù)測模型實(shí)戰(zhàn)  /  31
3.1  SPSS在診斷模型中的應(yīng)用  /  31
3.1.1  數(shù)據(jù)拆分  /  32
3.1.2  統(tǒng)計(jì)建模  /  33
3.1.3  模型評價  /  38
3.2  SPSS在預(yù)后模型中的應(yīng)用  /  42
第4章  Stata診斷模型實(shí)戰(zhàn)  /  46
4.1  Logistic回歸模型構(gòu)建  /  46
4.1.1  先單因素分析  /  46
4.1.2  后多因素分析  /  50
4.1.3  正式后多因素分析  /  51
4.1.4  模型比較  /  54
4.1.5  最終模型  /  56
4.1.6  預(yù)測概率  /  57
4.2  Logistic回歸模型區(qū)分度評價  /  57
4.2.1  訓(xùn)練集的AUC分析  /  58
4.2.2  訓(xùn)練集ROC曲線分析  /  58
4.2.3  驗(yàn)證集AUC 分析  /  59
4.2.4  驗(yàn)證集ROC分析  /  60
4.2.5  多條ROC曲線  /  60
4.3　Logistic回歸模型校準(zhǔn)度評價：HL檢驗(yàn)
  與校準(zhǔn)曲線  /  61
4.3.1  基于HL函數(shù)的校準(zhǔn)度  /  61
4.3.2  校準(zhǔn)曲線加強(qiáng)版  /  63
4.3.3  Bootstrap校準(zhǔn)曲線  /  67
4.4  Logistic回歸模型臨床適用性評價：臨
  床決策曲線（DCA）  /  69
4.4.1  訓(xùn)練集臨床決策曲線  /  70
4.4.2  驗(yàn)證集臨床決策曲線  /  70
4.4.3  決策曲線優(yōu)化  /  71
4.4.4  凈減少曲線（Net Reduction）  /  72
4.5  Logistic回歸模型可視化：Nomo圖  /  73
4.6  NRI和IDI  /  75
4.6.1  NRI（凈重新分類指數(shù)）  /  75
4.6.2  IDI（綜合判別改善指數(shù)）  /  77
4.7  如何利用別人文章的模型  /  78
4.8  交叉驗(yàn)證  /  79
4.9  Bootstrap  /  81
4.10  LASSO-Logit  /  85
4.10.1  LASSO回歸  /  86
4.10.2  路徑圖  /  88
4.10.3  CV-LASSO  /  91
4.11  缺失值處理  /  93
4.11.1  直接刪除法  /  93
4.11.2  單一插補(bǔ)法  /  93
4.11.3  多重插補(bǔ)法  /  93
第5章  Stata預(yù)后臨床預(yù)測模型實(shí)戰(zhàn)  /  100
5.1  模型構(gòu)建  /  100
5.1.1  建立時間變量和結(jié)局變量  /  101
5.1.2  單因素分析  /  101
5.1.3  多因素分析  /  102
5.1.4  模型比較  /  104
5.1.5  確定最終模型  /  105
5.2  區(qū)分度  /  106
5.2.1  C-index  /  106
5.2.2  C-index和Somers_D及 95%可信區(qū)間  /  107
5.2.3  時點(diǎn)ROC曲線（Time ROC）  /  109
5.3  校準(zhǔn)度  /  113
5.3.1  建立模型  /  113
5.3.2  訓(xùn)練集時點(diǎn)校準(zhǔn)曲線  /  113
5.3.3  驗(yàn)證集時點(diǎn)校準(zhǔn)曲線  /  114
5.3.4  訓(xùn)練集校準(zhǔn)曲線加強(qiáng)版  /  114
5.3.5  驗(yàn)證集校準(zhǔn)曲線加強(qiáng)版  /  115
5.4  決策曲線  /  117
5.4.1  建立模型  /  117
5.4.2  設(shè)立時間節(jié)點(diǎn)死亡概率  /  117
5.4.3  模型組與驗(yàn)證組DCA  /  117
5.4.4  多模型DCA曲線  /  119
5.4.5  凈獲益的數(shù)據(jù)  /  120
5.5  Nomo圖  /  120
5.5.1  構(gòu)建模型  /  120
5.5.2  命令繪制Nomo圖  /  120
5.5.3  窗口Nomo繪制  /  122
5.6  NRI與IDI  /  123
5.6.1  NRI  /  123
5.6.2  IDI  /  125
5.7  Bootstrap  /  126
第6章  R語言診斷臨床預(yù)測模型實(shí)戰(zhàn)  /  129
6.1  Logistic回歸模型構(gòu)建  /  129
6.1.1  單因素分析  /  129
6.1.2  多因素分析  /  138
6.2  Logistic回歸模型區(qū)分度評價  /  154
6.2.1  訓(xùn)練集AUC與ROC  /  155
6.2.2  驗(yàn)證集AUC和ROC  /  159
6.2.3  繪制多條ROC曲線  /  163
6.2.4  兩條ROC曲線比較  /  165
6.2.5.  Bootstrap法ROC內(nèi)部驗(yàn)證  /  166
6.3  Logistic回歸校準(zhǔn)度評價：HL檢驗(yàn)與校
  準(zhǔn)曲線  /  168
6.3.1  calibrate包val.prob函數(shù)校準(zhǔn)曲線實(shí)現(xiàn)  /  168
6.3.2  Hosmer-Lemeshow test檢驗(yàn)  /  170
6.3.3  riskRegression包plotCalibration函數(shù)校準(zhǔn)曲
  線實(shí)現(xiàn)  /  171
6.3.4  lrm calibrate plot校準(zhǔn)曲線實(shí)現(xiàn)  /  172
6.3.5  校準(zhǔn)曲線方法四（Bootstrap法)  /  174
6.4  Logistic回歸模型臨床決策曲線
  （DCA）  /  175
6.4.1  軟件準(zhǔn)備工作  /  176
6.4.2  rmda包決策曲線實(shí)現(xiàn)  /  176
6.4.3  臨床影響曲線（clinical impact curve）  /  180
6.4.4  DCA及可信區(qū)間  /  182
6.4.5  交叉驗(yàn)證DCA  /  182
6.4.6  DCA包臨床決策曲線繪制  /  183
6.5  Logistic回歸模型可視化：Nomo圖  /  185
6.5.1  rms包常規(guī)普通列線圖回歸  /  186
6.5.2  regplot包繪制交互列線圖  /  187
6.5.3  普通列線圖變種  /  189
6.5.4  DynNom包動態(tài)列線圖  /  190
6.5.5  制作網(wǎng)絡(luò)版動態(tài)列線圖  /  193
6.6  Logistic回歸模型診斷效果評價  /  197
6.6.1  診斷試驗(yàn)評價  /  198
6.6.2  ROC曲線比較  /  198
6.6.3  Logistic回歸分析  /  199
6.7  NRI和IDI  /  200
6.7.1  凈重新分類指數(shù)  /  200
6.7.2  綜合判別改善指數(shù)  /  202
6.8  如何驗(yàn)證別人已經(jīng)發(fā)表的模型  /  204
6.9  LASSO在Logistic回歸中應(yīng)用  /  205
6.9.1  軟件包準(zhǔn)備  /  205
6.9.2  數(shù)據(jù)準(zhǔn)備  /  205
6.9.3  LASSO-Logit  /  205
6.9.4  CV-LASSO  /  207
6.10  交叉驗(yàn)證與Bootstrap  /  209
6.10.1  簡單交叉驗(yàn)證  /  210
6.10.2  十重交叉驗(yàn)證  /  211
6.10.3  留一法交叉驗(yàn)證  /  212
6.10.4  Bootstrap CV  /  213
6.10.5  Bootstrap ROC  /  214
第7章  R語言預(yù)后臨床預(yù)測模型實(shí)戰(zhàn)  /  216
7.1  COX回歸模型構(gòu)建  /  217
7.1.1  數(shù)據(jù)讀取  /  217
7.1.2  軟件包準(zhǔn)備  /  218
7.1.3  先單因素分析  /  218
7.1.4  后多因素分析  /  219
7.1.5  批量單因素分析  /  220
7.1.6  多因素分析  /  222
7.1.7  模型比較  /  226
7.2  預(yù)后模型區(qū)分度分析  /  229
7.2.1  Concordance index  /  229
7.2.2  Time-ROC  /  234
7.2.3  時間依賴AUC  /  239
7.3  預(yù)后模型校準(zhǔn)度分析  /  244
7.3.1  基于rms包的校準(zhǔn)曲線  /  244
7.3.2  基于pec包的校準(zhǔn)曲線  /  250
7.4  預(yù)后模型決策曲線分析  /  255
7.4.1  基于stdca.R的決策曲線  /  257
7.4.2  基于dcurves包的決策曲線  /  263
7.4.3  基于ggDCA包的決策曲線  /  270
7.5  交叉驗(yàn)證  /  274
7.6  預(yù)后模型Nomo展示  /  277
7.6.1  普通生存概率列線圖  /  277
7.6.2  中位生存時間列線圖  /  279
7.6.3  網(wǎng)格線列線圖  /  280
7.6.4  動態(tài)列線圖  /  280
7.7  NRI和IDI  /  283
7.7.1  NRI（凈重新分類指數(shù)）  /  283
7.7.2  IDI  /  285
7.8  LASSO-COX  /  286
7.8.1  數(shù)據(jù)準(zhǔn)備  /  286
7.8.2  LASSO-COX  /  286
7.8.3  CV-LASSO  /  288
7.9  模型效果驗(yàn)證  /  290
7.9.1  風(fēng)險分組后KM曲線  /  290
7.9.2  風(fēng)險得分圖  /  293
7.10  生存分析數(shù)值變量分類方法  /  295
7.10.1  Time-ROC  /  295
7.10.2  X-Tile  /  297
參考資料  /  299