我们既往已经介绍了使用Stata进行logistic回归绘制列线图并做内部验证,不少粉丝发信息问我怎么进行外部验证。今天我们来介绍一下,继续使用我们的不孕症数据(公众号回复:不孕症可以获得该数据)。我们数据先导入看一下
数据有8个指标,最后两个是PSM匹配结果,我们不用理他,其余六个为:
Education:教育程度,age:年龄,parity产次,induced:人流次数,case:是否不孕,这是结局指标,spontaneous:自然流产次数。
既然是外部验证,那必须有外部数据,我们在这里简单的对数据进行一个拆分,把它分成两部分,一部分作为建模数据,一部分作为验证数据
gen val = runiform()<.4
这样,我们就生成了数据val,我们把0的数据作为建模数据,1的数据作为验证数据,这样我们就可以开始建模了
我们要注意一下,部分变量是分类数据,我们要在前面加上i.
logistic case age parity i.spontaneous i.induced if val==0
利用建模的数据生成预测值
predict p_dev
这个时候我们需要使用stata的一个做验证的pmcalplot包,
安装命令为
ssc install pmcalplot
或者可以选择
帮助—搜索栏
最后点击安装就可以了
安装好包以后,我们继续开始我们内部验证和外部验证
先来内部验证
pmcalplot p_dev case if val==0, ci
我们需要的是AUC和校准度,继续外部验证
pmcalplot p_dev case if val==1, ci
可以看到在外部数据,AUC差了一点,也有0.714,校准度也差了点,我们还可以做一些其他调整
pmcalplot p_dev case if val==1, ci nospike nostatistics
添加标题,关掉图例
pmcalplot p_dev case if val==1, ci nospike nostatistics xtitle("Predicted probability", size(medsmall)) ytitle("Observed frequency", size(medsmall)) legend(off)
还可以在风险阈值下进行队列验证,
pmcalplot p_dev case if val==1, cut(.05 .15 .5) ci keep
我们可以看到已经生成了分组数据
OK,到这里就演示结束了,借助pmcalplot包,我们来做内部和外部验证还是挺容易的,下章我们继续介绍stata进行COX回归外部验证