logistic回归分析 r_R语言Logistic回归模型深度验证以及Nomogram绘制

01

研究背景

       本章将常用的基于R语言实现二元Logistic回归模型临床预测模型的构建和验证，以及诺曼图的绘制记录下来，更为复杂的生存分析中的Cox回归将在后续章节介绍。临床预测模型的思路总结如下：①明确临床问题，确定科学假设。②查找文献，确定预测模型的研究思路。③确定模型中结局变量。④确定模型中的预测因子。⑤构建模型，计算模型预测值。⑥模型区分度评估。⑦模型校准度评估。⑧临床实用型DCA评估。

02

案例研究

       本文采用的数据是上海交大出版第十一章数据。预测因子有性别、年龄和高血压等级，结局变量为是否患病。本文研究目的探讨患病的危险因素构建并验证模型。因数据量少且只有一个数据集，故只用此数据集建模，并验证，若有更多外部数据，最好拿外部数据来验证模型。

       临床研究一般有提供多个危险因素，首先做单因素的筛选，具体筛选方法，见公众号之前的文章。筛选完的危险因素用来构建预测模型。

       具体分析步骤是，①基于这些变量构建模型。②绘制Nomogram图。③计算模型ROC曲线面积(区分度)和绘制校准曲线并检验(校准度,U检验)，该步骤用神包rms一步实现。接下来直接上代码。

03

R代码及解读

library(rms)   ###加载rms包###建立数据集y        1,0,1,1,1,0,1,0,1,0,0,1,1,0,0,1,1,0,1,0,0,0,1,       1,1,1,0,1,1,0,0,0,1,1,1,0,1,1,1,1,0,0,1,1,1,0,