Cox回归预测模型：模型的验证——ROC曲线

前面介绍了C-index和校准曲线对Cox回归模型的验证方法。今天将探讨利用ROC曲线来验证Cox回归模型的区分度。ROC曲线下的面积，即AUC值，范围在0至1之间。AUC值越接近1，模型的预测区分能力越强。接下来，我们将详细介绍如何使用R语言绘制ROC曲线并计算AUC值。

1、原始数据

第1列的num.为受试者编号；第2列的os_status，为生存状态，0为删失，1为死亡；第3列的os_time，为生存时间；第4列的characteristic1，是连续性变量；第5列的characteristic2，是二分类变量；第6列的characteristic3，是三分类变量。

2、安装所需要的R包

install.packages("survival")
install.packages("timeROC")
install.packages("readr")

3、加载所需要的R包

library(survival)
library(timeROC)
library(readr)

4、数据读取

data<-read_csv("C:/Users/Lenovo/Desktop/COX/data.csv")
#引号内为数据路径 

5、模型构建

将拟合的Cox回归模型存储在对象f中。使用survival包的coxph函数构建一个Cox比例风险模型，使用data数据框中的os_time和os_status列来定义生存时间和状态，以及三个预测变量characteristic1、characteristic2和characteristic3。

f<-coxph(Surv(os_time,os_status)~characteristic1+characteristic2
         +characteristic3,data=data)

使用predict函数计算上述Cox模型的线性预测子，并将结果添加为data数据框中的新列lp。

data$lp<-predict(f,newdata=data,type="lp")

6、ROC曲线分析

time_roc<-timeROC(
  T=data$os_time,#指定观察的生存时间 
  delta=data$os_status,#生存结局
  #由Cox模型预测得到的线性预测子分数，作为预测变量。
  marker=data$lp,
  cause=1,#阳性结局指标值
  #采用“marginal”，这意味着在计算ROC曲线时使用KM方法来处理右删失数据。
  weighting="marginal",
  #定义在哪些具体时间点（如12个月和18个月）计算ROC曲线。
  times=c(12,12*1.5),
  ROC=TRUE,#保存sensitivities和specificties值
  iid=TRUE#保存置信区间，但是样本量大了后，耗时耗资源
)

7、计算12个月的AUC及其95%CI置信区间

tweleve.months<-paste0("12months AUC (95%CI)=",
                 sprintf("%.3f",time_roc$AUC[1]),"(",
                 sprintf("%.3f",confint(time_roc,level=0.95)
                         $CI_AUC[1,1]/100),"-",
                 sprintf("%.3f",confint(time_roc,level=0.95)
                         $CI_AUC[1,2]/100),")")

8、计算18个月的AUC及其95%CI置信区间

eighteen.months<-paste0("18months AUC (95%CI)=",
                       sprintf("%.3f",time_roc$AUC[2]),"(",
                       sprintf("%.3f",confint(time_roc,level=0.95)
                               $CI_AUC[2,1]/100),"-",
                       sprintf("%.3f",confint(time_roc,level=0.95)
                               $CI_AUC[2,2]/100),")")

9、绘制ROC曲线

分别绘制12个月和18个月的ROC曲线在同一图上，使用不同的颜色标记不同的时间点。在图的右下角添加一个图例，展示两个时间点的AUC值及其置信区间。

plot(title="",time_roc,col="DodgerBlue",time=12,lty=1,lwd=2,
     family="serif")#绘制ROC曲线
plot(time_roc,time=12*1.5,lty=1,lwd=2,add=TRUE,col="LightSeaGreen",
     family="serif")#add=TRUE指在前一条基础上新增
legend("bottomright",c(tweleve.months, eighteen.months),
       col=c("DodgerBlue","LightSeaGreen"),lty=1,lwd=2)

10、最后，可以点击"Export"可以将图片以jpg或者PDF的格式输出，"+"号图标按钮可以将图片放大。