生存资料Cox回归DCA曲线绘制（1）

weixin_49320263

已于 2023-09-30 19:42:13 修改

阅读量816

点赞数

分类专栏：模型评价文章标签： r语言

于 2023-06-09 20:16:41 首次发布

本文链接：https://blog.csdn.net/weixin_49320263/article/details/130543864

版权

模型评价专栏收录该内容

8 篇文章 3 订阅

订阅专栏

1、基本概念：决策曲线分析（DCA），一种评估预测模型和诊断模型的方法。横坐标：阈概率，超过阈值为阳性。纵坐标：净获益率（Standard Net Benefit）：利减去弊之后。两条虛线，水平线表示所有样本都是阴性，所有人都没干预，净获益一直0。斜线代表所有样本都是阳性，所有人都接受了干预，净获益随阈值变化。若模型曲线在越接近两条曲线，越无意义，越靠近右上角表明越有价值。

2、R语言实现方法：

library(ggDCA)
#生成模拟生存资料
set.seed(1)
#创建一个包含50个观察值和2个预测变量的数据框
data <- data.frame(
  x1 = rnorm(50),
  x2 = sample(c("A", "B"), 50, replace = TRUE))
#创建随机截尾时间截点并将其加入数据集
data$time<-pmin(rexp(50,rate=0.05),10)
#创建失败指标，并以70%的概率对其进行剪除
data$status<-ifelse(runif(50)<0.7,0,1)
#将分类变量x2编码为数值变量
data$x2 <- as.numeric(factor(data$x2))
#将数据集分成训练集和测试集，其中70%用作训练集
train.idx <- sample(1:nrow(data), round(nrow(data) * 0.7))
train.data <- data[train.idx, ]
test.data <- data[-train.idx, ]
#构建Cox回归模型
library(survival)
cox_1<-coxph(Surv(time,status)~x1+x2,data)
cox_2<-coxph(Surv(time,status)~x1,data)
cox_3<-coxph(Surv(time,status)~x2,data)
#绘制多个模型DCA曲线
d1 <- dca(cox_1,cox_2,cox_3)
ggplot(d1)
#绘制不同时间点的DCA曲线
t <- c(3,6,9)
d <- dca(cox_1,cox_2,cox_3,
         times = t)
#按照时间点分面
library(ggsci)
ggplot(d,linetype = F)+
  scale_color_manual(values = c("red", "blue", "green","black","pink"))+
  theme_bw()+
  facet_wrap(~time)