临床预测模型最新版工具来了!3分钟建模+验证,一键生成临床预测模型4图3表...

如何利用ChatGPT撰写课题申报书、撰写SCI论文?

欢迎报名!2024年最新ChatGPT在科研论文中的应用培训班5.18-19

郑老师的智能统计工具重要更新,临床预测模型!第一个模型--logistic预测模型再次上线!

它将解决SPSS软件无法绘制列线图、DCA图问题,和R语言编程的困扰,利用R语言底层程序,一键生成ROC、列线图、DCA图、校准图。

现在,在去年的基础上,我们进一步优化了UI,增加了包括一键生成4图3表的流程、ROC曲线训练集与验证集合并、计算灵敏度、特异度、统计图更多的画法

就部署在本人开发的在线"风暴智能统计"!

它的网址是www.medsta.cn(在电脑端浏览器打开,"风暴智能统计"模块)

浏览器输入medsta.cn即可medical statistics缩写)

本平台上线的所有工具都是免费的, 目前的功能包括:

样本量计算正态性检验 | t检验 | 方差分析 

秩和检验卡方检验 | 差异性分析带统计量

线性回归分析 | logistic回归 |逐步回归法 

批量单因素分析 | 先单后多 | 临床预测模型 

后续发布

Cox预测模型、统计图形等

1. 欢迎交流


欢迎有意向开展数据分析的朋友加下方交流,也请提出宝贵意见,或者干脆加入我们制作队伍。。。

c86a25e42e326c3f4213c2aa0a2a947a.png

统计机器人交流群二维码

2. 操作介绍


这里可以简单示范下,更多需要各位打开浏览器实践。

链接:

https://shiny.medsta.cn/logpre1/

https://shiny.medsta.cn/logpre2/

首先,你可以选择示例数据或者打开自己的数据

3c5bca877d54ce409be49ecc41be227c.png

测试数据来自一个出生体重的回顾性调查

eeb090651f97cfbd43d65afc26d946c6.png

我们现在根据是否低出体重进行分析比较分析,预测低出生体重!

接下来,是数据整理的功能,包括多个整理的模块。尤其是变量值标签,在绘制列线图时可能有用到。

afc164c49e3a923ff381f61324cad082.png

827c4b657e9e9d55e1dbf8e24ed3c192.png

第三,现在我们模块可以利用logistic回归构建预测模型,Cox回归随后也将发布。

临床预测模型包括以下几个步骤:

  • 数据集拆分

  • 训练集与验证集差异性分析,绘制1表

  • 训练集统计分析,绘制1表

  • 临床预测模型构建,绘制1表

  • 预测模型评价与验证,绘制4图

f023dece06df5e8dd21c04d4a46936e6.png

全套过程可能补需要3分钟。

1.数据集拆分

数据集拆分可随机拆分或者导入已拆分的数据集并设置好训练集、验证集;一般我想都是随即拆分,导入已拆分的数据集是为了开展外部验证。

随机拆分后,可以下载训练集与验证集。

1b38ea076f45014a1927653929113d7c.png

eb822fa1c1ebfec6af6406bb61249c77.png

2. 开展训练集与验证集差异性分析

一键形成统计论文第1张表

31bc59031dac6ae1b6d16e1a4323d2c6.png

3. 针对训练集开展统计分析,进行差异性分析

一键形成统计论文第2表

3af338cb44e1b323fbafdfff89648cb0.png

4. 构建临床预测模型

第一步,选择需要纳入的因变量和预测因子,预测因子有定量和分类的!

4f13342c320ecd948177c6231e1abfab.png

接着,可以设置多因素回归建模自变量来源。有三种来源,一般建议“基于单因素回归分析结果”,来开展多因素回归。

b09470ad4d0f3316e97572504a771162.png

然后,选择先单后多和“向后”逐步回归法的纳入排除标准(大家可以选用更推荐的向后法)

6a8a2b6b36f73ea2a67ab925a5db92ba.png

结果得到三张表格(均为训练集数据):批量单因素回归、多因素回归和两者结合

fc541e1e2562c6692ee3e73fb39688f6.png

接着,进行模型评价和验证!

预测模型四图:ROC、列线图、DCA、校准图!不仅包括训练集,也包括验证集ROC、DCA、校准图!

8fce8f4333c63421251c5d4dcd2b8a72.png

ROC曲线,提供训练集、验证集,也包括两者合并

c6430e042f5538cb69ebef1d17ae6bd2.png

5caccf9c7b4776c05093431f9726fc6e.png

f95cecd1c8c02bed6f9ce9c21cd3c7e3.png

校准图,提供两个版本的校准图,R语言原始结果和优化版本的结果。

32b689ddd6965f59f6f697920fab31bc.png

985e83e0d1d35976ed69ee94a506f6d3.png

列线图

1d0ceee03bbe833a2a80e850317124ca.png

DCA图:提供了两种画法rmda包画法和dcurves包画法

176d9f488bb9cb2ad81a3b4cc014140f.png

现在,我们还提供了根据ROC曲线,计算灵敏度、特异度等指标

0d9eb274f3fece6d8819b3613914fa22.png

最后,你可以选择下载本分析涉及的主要表格和统计图。

223013e2f23379f6f320012cbbfbab94.jpeg

898090c04731e181a42609c48ba57a49.png

这个版本为logistic预测模型,下一周我们将推出Cox预测模型。欢迎各位多提提意见,我们将进一步进行完善。

如果您需要更详细的统计服务,请联系郑老师团队,我们可以提供统计支持!

bd663fd6fdc8f7644f6500dc086aaa74.png

  • 5
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值