R语言COX回归后制作列线图并外部验证（1）

模型除了内部验证还有外部验证。模型的外部验证就是使用另外的数据来验证模型的好坏，增强自己模型可信的说服力。模型的外部验证方法有很多种如：C-index、AUC IDI、NRI等，使用SPSS也是可以的。我们来一一进行演示，本章先说C-index，这种方法主要用于COX回归。
模型外部验证涉及到两个关键的指标：校准度和区分度。预测模型有优劣之分，好的模型不仅可以较准确的预测终点事件发生概率（校准度好），也可以很好地区分数据集中发生终点事件概率不同的对象（区分度好）
沿着我们之前的帖子，手**把手教你使用R语言建立COX回归并画出列线图(Nomogram)** 已经介绍了R语言建立COX回归模型后，并进行了内部验证（可以参看以下原来的帖子），今天我们继续往后讲外部验证。


首先外部验证要有外部数据，我们目前没有数据，把原来数据取一部分当做外部数据好了

be<- bg[50:150, c(2:8,10)]#建立新的外部数据集
pre1<-predict(f, newdata=be)#设定预测值

建立新模型并验证

f1 <- cph(Surv(time, status)~pre1,
          x=T, y=T, surv=T, data=be, time.inc=36)#
validate(f1, method="boot", B=1000, dxy=T)
rcorrcens(Surv(time, status) ~pre1, data = be)

因此C-index=1-c=0.628

区分度计算：
3年

fev3 <- cph(Surv(time, status) ~ pre1, 
            x=T, y=T, surv=T, data=be, time.inc=36)
calev3 <- calibrate(fev3, cmethod="KM", method="boot", u=36, m=200, B=1000)
plot(calev3)

5年

fev5<- cph(Surv(time, status) ~ pre1, 
            x=T, y=T, surv=T, data=be, time.inc=60)
calev5<- calibrate(fev5, cmethod="KM", method="boot", u=60, m=200, B=1000)
plot(calev5)

10年

fev10<- cph(Surv(time, status) ~ pre1, 
           x=T, y=T, surv=T, data=be, time.inc=120)
calev10<- calibrate(fev3, cmethod="KM", method="boot", u=120, m=200, B=1000)
plot(calev10)

OK，完成了，很简单对吧