Stata：预测模型中的临床决策曲线-dca

全文阅读：https://www.lianxh.cn/news/fcac70dd3fa99.html

目录

• 1. 临床决策曲线分析
• 2. 怎么解读 DCA 的含义
• 3. Stata 实操
  • 3.1 命令介绍
  • 3.2 具体示例
• 4. 相关推文

1. 临床决策曲线分析

诊断试验中根据灵敏度和特异度可以做出 ROC 曲线，得到 AUC，来评价诊断试验的准确性。但数理统计上的准确并不代表患者一定会受益。比如下图所示，通过某观测值预测患者是否患了某病，无论选取哪个值为临界值，都会遇到假阳性和假阴性的可能。

但临床上有时候避免假阳性受益更大，有时候避免假阴性受益更大。所以希望找到一个净受益最大的方法。DCA 就应运而生了。纪念斯隆凯特琳癌症研究所的官方网站上设立了专门的网页，来介绍 DCA 的相关理论、发表文章以及软件实现方法。「网站」提供了 Stata、R 和 SAS 三种软件实现 DCA 曲线分析，并配有详细的教程。

全文阅读：Stata：预测模型中的临床决策曲线-dca| 连享会主页