預測模型實戰：基於R,SPSS和Stata

《預測模型實戰：基於R、SPSS和Stata》是2023年11月 1日清華大學出版社出版的圖書，作者：武松。

基本介紹

• 中文名：預測模型實戰：基於R,SPSS和Stata
• 作者：武松
• 出版時間：2023年11月1日
• 出版社：清華大學出版社
• ISBN：9787302639411
• 定價：118 元
• 印次：1-1
• 印刷日期：2023.09.27

內容簡介

本書從生物醫藥三種建模講起，引出臨床預測模型，系統介紹了臨床預測模型的基本思想與理論體系，並配合SPSS、Stata和R語言實戰，讓讀者全面掌握臨床預測模型的建模、評價、驗證與展示技術，從而輕輕鬆鬆進行臨床預測模型研究，順利發表SCI（Science Citation Index，科學引文索引）論文。

本書分為7章，涵蓋臨床預測模型基礎、模型構建相關問題、SPSS臨床預測模型實戰、Stata診斷模型實戰、Stata預後臨床預測模型實戰、R語言診斷臨床預測模型實戰以及R語言預後臨床預測模型實戰。對於每個軟體，基本由一個案例從建模到區分度、校準度、臨床決策曲線評價，再到Nomo圖展示以及合理性分析的完整流程，讓學員體驗真正實操案例教學。作者自編的一些自動分析外掛程式以及自動制表代碼，極大提升讀者數據處理和論文發表的能力。

本書內容通俗易懂，實用性強，適用人群為生物醫藥領域醫生、護士、碩博士研究生、醫學高校教師，特別適合臨床預測模型的入門讀者和進階讀者閱讀，另外，本書也適合作為相關培訓機構的教材使用。

圖書目錄

目錄

第1章 臨床預測模型基礎 / 1

1.1 三種建模策略解讀 / 1

1.1.1 風險因素髮現模型 / 1

1.1.2 風險因素驗證模型 / 2

1.1.3 臨床預測模型 / 3

1.2 臨床預測模型分類與分型 / 5

1.2.1 預測模型目的分類 / 5

1.2.2 預測模型數據來源分類 / 6

1.2.3 數據集分類 / 7

1.3 區分度-C指數 / 8

1.4 淨重新分類指數 / 10

1.5 綜合判別改善指數 / 12

1.6 校準度 / 13

1.6.1 Hosmer-Lemeshow檢驗 / 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 交叉驗證 / 19

1.9.1 簡單交叉驗證（Simple Cross Validation） / 20

1.9.2 K折交叉驗證（K-Folder Cross Validation） / 20

1.9.3 留一法交叉驗證（Leave-one-out Cross Validation） / 20

1.10 自助抽樣法 / 20

1.11 LASSO回歸 / 21

1.12 臨床預測模型報告規範 / 23

第2章 模型構建相關問題 / 26

2.1 單變數進入模型的形式 / 26

2.1.1 數值變數進入模型的形式 / 26

2.1.2 等級變數進入模型的形式 / 27

2.1.3 分類變數進入模型的形式 / 28

2.2 模型構建策略探討 / 29

2.2.1 先單後多法 / 29

2.2.2 全部進入法 / 29

2.2.3 百分之十改變數法 / 29

2.2.4 LASSO回歸法 / 29

2.3 統計建模 / 30

2.3.1 危險因素篩選模型 / 30

2.3.2 風險因素驗證模型 / 30

2.3.3 臨床預測模型 / 30

第3章 SPSS臨床預測模型實戰 / 31

3.1 SPSS在診斷模型中的套用 / 31

3.1.1 數據拆分 / 32

3.1.2 統計建模 / 33

3.1.3 模型評價 / 38

3.2 SPSS在預後模型中的套用 / 42

第4章 Stata診斷模型實戰 / 46

4.1 Logistic回歸模型構建 / 46

4.1.1 先單因素分析 / 46

4.1.2 後多因素分析 / 50

4.1.3 正式後多因素分析 / 51

4.1.4 模型比較 / 54

4.1.5 最終模型 / 56

4.1.6 預測機率 / 57

4.2 Logistic回歸模型區分度評價 / 57

4.2.1 訓練集的AUC分析 / 58

4.2.2 訓練集ROC曲線分析 / 58

4.2.3 驗證集AUC 分析 / 59

4.2.4 驗證集ROC分析 / 60

4.2.5 多條ROC曲線 / 60

4.3　Logistic回歸模型校準度評價：HL檢驗與校準曲線 / 61

4.3.1 基於HL函式的校準度 / 61

4.3.2 校準曲線加強版 / 63

4.3.3 Bootstrap校準曲線 / 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 訓練集臨床決策曲線 / 70

4.4.2 驗證集臨床決策曲線 / 70

4.4.3 決策曲線最佳化 / 71

4.4.4 淨減少曲線（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（淨重新分類指數） / 75

4.6.2 IDI（綜合判別改善指數） / 77

4.7 如何利用別人文章的模型 / 78

4.8 交叉驗證 / 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 單一插補法 / 93

4.11.3 多重插補法 / 93

第5章 Stata預後臨床預測模型實戰 / 100

5.1 模型構建 / 100

5.1.1 建立時間變數和結局變數 / 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 區分度 / 106

5.2.1 C-index / 106

5.2.2 C-index和Somers_D及 95%可信區間 / 107

5.2.3 時點ROC曲線（Time ROC） / 109

5.3 校準度 / 113

5.3.1 建立模型 / 113

5.3.2 訓練集時點校準曲線 / 113

5.3.3 驗證集時點校準曲線 / 114

5.3.4 訓練集校準曲線加強版 / 114

5.3.5 驗證集校準曲線加強版 / 115

5.4 決策曲線 / 117

5.4.1 建立模型 / 117

5.4.2 設立時間節點死亡機率 / 117

5.4.3 模型組與驗證組DCA / 117

5.4.4 多模型DCA曲線 / 119

5.4.5 淨獲益的數據 / 120

5.5 Nomo圖 / 120

5.5.1 構建模型 / 120

5.5.2 命令繪製Nomo圖 / 120

5.5.3 視窗Nomo繪製 / 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語言診斷臨床預測模型實戰 / 129

6.1 Logistic回歸模型構建 / 129

6.1.1 單因素分析 / 129

6.1.2 多因素分析 / 138

6.2 Logistic回歸模型區分度評價 / 154

6.2.1 訓練集AUC與ROC / 155

6.2.2 驗證集AUC和ROC / 159

6.2.3 繪製多條ROC曲線 / 163

6.2.4 兩條ROC曲線比較 / 165

6.2.5. Bootstrap法ROC內部驗證 / 166

6.3 Logistic回歸校準度評價：HL檢驗與校準曲線 / 168

6.3.1 calibrate包val.prob函式校準曲線實現 / 168

6.3.2 Hosmer-Lemeshow test檢驗 / 170

6.3.3 riskRegression包plotCalibration函式校準曲線實現 / 171

6.3.4 lrm+calibrate+plot校準曲線實現 / 172

6.3.5 校準曲線方法四（Bootstrap法） / 174

6.4 Logistic回歸模型臨床決策曲線（DCA） / 175

6.4.1 軟體準備工作 / 176

6.4.2 rmda包決策曲線實現 / 176

6.4.3 臨床影響曲線（clinical impact curve） / 180

6.4.4 DCA及可信區間 / 182

6.4.5 交叉驗證DCA / 182

6.4.6 DCA包臨床決策曲線繪製 / 183

6.5 Logistic回歸模型可視化：Nomo圖 / 185

6.5.1 rms包常規普通列線圖回歸 / 186

6.5.2 regplot包繪製互動列線圖 / 187

6.5.3 普通列線圖變種 / 189

6.5.4 DynNom包動態列線圖 / 190

6.5.5 製作網路版動態列線圖 / 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 淨重新分類指數 / 200

6.7.2 綜合判別改善指數 / 202

6.8 如何驗證別人已經發表的模型 / 204

6.9 LASSO在Logistic回歸中套用 / 205

6.9.1 軟體包準備 / 205

6.9.2 數據準備 / 205

6.9.3 LASSO-Logit / 205

6.9.4 CV-LASSO / 207

6.10 交叉驗證與Bootstrap / 209

6.10.1 簡單交叉驗證 / 210

6.10.2 十重交叉驗證 / 211

6.10.3 留一法交叉驗證 / 212

6.10.4 Bootstrap CV / 213

6.10.5 Bootstrap ROC / 214

第7章 R語言預後臨床預測模型實戰 / 216

7.1 COX回歸模型構建 / 217

7.1.1 數據讀取 / 217

7.1.2 軟體包準備 / 218

7.1.3 先單因素分析 / 218

7.1.4 後多因素分析 / 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 預後模型區分度分析 / 229

7.2.1 Concordance index / 229

7.2.2 Time-ROC / 234

7.2.3 時間依賴AUC / 239

7.3 預後模型校準度分析 / 244

7.3.1 基於rms包的校準曲線 / 244

7.3.2 基於pec包的校準曲線 / 250

7.4 預後模型決策曲線分析 / 255

7.4.1 基於stdca.R的決策曲線 / 257

7.4.2 基於dcurves包的決策曲線 / 263

7.4.3 基於ggDCA包的決策曲線 / 270

7.5 交叉驗證 / 274

7.6 預後模型Nomo展示 / 277

7.6.1 普通生存機率列線圖 / 277

7.6.2 中位生存時間列線圖 / 279

7.6.3 格線線列線圖 / 280

7.6.4 動態列線圖 / 280

7.7 NRI和IDI / 283

7.7.1 NRI（淨重新分類指數） / 283

7.7.2 IDI / 285

7.8 LASSO-COX / 286

7.8.1 數據準備 / 286

7.8.2 LASSO-COX / 286

7.8.3 CV-LASSO / 288

7.9 模型效果驗證 / 290

7.9.1 風險分組後KM曲線 / 290

7.9.2 風險得分圖 / 293

7.10 生存分析數值變數分類方法 / 295

7.10.1 Time-ROC / 295

7.10.2 X-Tile / 297

參考資料 / 299