医学和生信笔记的博客

右侧阈值，0.707的净获益还是正数，0.708的净获益就是负数了，所以这个阈值应该是在0.707~0.708之间，我们就取个大约的数字，0.7。通常在解读列线图时，我们需要汇报到底在哪个阈值区间内，我们的模型是更有临床意义的，在这个区间内也就是上图中的。左侧的阈值大概在0.1左右，右侧的阈值大概在0.7左右。左侧的阈值应该就是在相同的横坐标下，有了这两个阈值就是有了矩形的坐标，所以下面再准备3个矩形的坐标即可，如果是。如果是默认的出图，那就更简单了，因为都是R语言默认的画图引擎，支持所有。

公众号后台回复即可获取最佳截点和推文合集；回复即可获取ROC曲线合集推文。在查看相关资料时发现了risksetROC这个R包，也可以实现曲线的绘制，而且可以实现。平滑曲线这个功能在timeROC和中都是不能实现的，我们介绍过一种借助ggplot2下面简单介绍下如何实现平滑的time-dependent ROC曲线。分类资料的平滑ROC曲线可以通过pROC。

主要是调节一下字体、标签啥的，和R语言中各种列线图的丰富选项是不能比的哈~下面是使用演示，首先需要自己准备一个excel文件，这个文件内容长这样：出图如下：作者觉得相比于R和SAS，这个包绘制列线图的优势是可以显示risk，这是其他方式不具备的。使用时记得引用文献：这个文献中还比较了一下和SAS、R中绘制列线图的异同：所以你会使用这个python库绘制列线图吗？公众号后台回复列线图即可获取列线图绘制合集，包括各种花里胡哨的列线图！

生存分析（英语：Survival analysis）是指根据试验或调查得到的数据对生物或人的生存时间进行分析和推断，研究生存时间和结局与众多影响因素间关系及其程度大小的方法，也称生存率分析或存活率分析，例如生物有机体的死亡和机械系统的故障。画COX模型的校准曲线需要实际生存概率和预测生存概率，但是关于生存概率到底是怎么算出来的，还有算出来的到底是死亡概率还是生存概率，一直搞不清楚，所以写这篇明确一下。生存/死亡概率这种说法在某些数据集是成立的，比如这里的数据，其结局就是生存或者死亡。

列线图是模型的图形化表达方式，通过列线图可以计算直观的看出某个患者的得分，方便分析患者的风险。关于列线图，我们介绍过很多次了，公众号后台回复有粉丝问如何根据列线图得分进行危险分层，其实思路很简单，先计算每个患者的得分，然后根据进行分层即可。这个最佳截断值，我们也介绍过非常多的方法了，公众号后台回复。

主要是借助cmprsk这个包实现的，并且列线图的绘制也是间接实现的。今天介绍的QHScrnomo依赖于rmscmprskHmisc等包，是专门用于竞争风险模型的列线图绘制，除此之外还可以建立模型、绘制校准曲线、进行内外部验证等。

前面我们介绍了超多可用于确定连续性变量最佳截点的R包，比如x-tilecutoffROC曲线一般用在诊断实验中，ROC的最佳截点，通常是要ROC曲线下面积最大(或者最大敏感性、最大特异性等)，也就是基于约登指数。今天介绍一些常见的可以用于确定ROC曲线最佳截点的R包，同时包含了二分类数据和生存数据，有一些包我们在之前的推文中也介绍过。

关于连续性变量最佳截断值的选择，之前介绍了survminer中的以及X-tilecutoff。

本文是对glmnet包的说明，主要参考官方文档：https://glmnet.stanford.edu/glmnet包可以实现lasso回归、岭（ridge）回归、弹性网络（elastic-net），它非常强大，可以用于的Lasso或弹性网络正则化路径拟合，并且效率极高。我们主要介绍它的lasso回归功能，主要是因为lasso可以把变量的系数变为0，达到筛选变量的目的。并且我们会以逻辑回归和COX回归的lasso为例进行演示。在进行演示前，有一些基础知识需要大家提前了解。

在做生存分析时，连续型变量最佳截断值的选择，是很火爆的问题。因为有的时候即使你通过单因素或者多因素分析得到了结果，但是根据这个结果进行K-M生存分析发现P值并不显著（P>0.05）。那这个时候你可能需要重新寻找最佳的截断值，使得K-M生存分析有意义。survminer。

最近在群里发现有朋友发了这样一张列线图，非常新颖：在传统列线图的底部添加一条彩色条带，展示不同的风险分层，一下子就让原本死板的列线图变得生动活泼了有木有？今天我们就学习一下这个图。

前几天演示了如何使用purrr进行回归模型的亚组分析及森林图绘制，本来找了好久没找到可以实现这个功能的R包，都打算自己写个包了，没想到这几天找到了！完美实现COX回归和logistic回归的亚组分析，除此之外，还支持svyglmsvycoxph的结果，并且数据结果可直接用于绘制森林图，连NA和各种空行都给你准备好了！包的名字叫jstable，直达网址：https://jinseob2kim.github.io/jstable/

本号致力于向大家免费分享R语言做临床预测模型的内容，目前已产出几十篇高质量推文，从简单到复杂，全面解析临床预测模型R语言实操方法。主要包括模型建立、模型评价、模型比较等内容。现汇总如下，方便大家学习使用，推文涉及的数据已在文中给出获取方法，代码则是直接复制粘贴即可，没有任何套路。临床预测模型一直是近几年来发文的热门方向，目前临床预测模型的实现还是以R语言为主要工具。，比如变量选择方法、和生存相关的机器学习算法、模型解释等内容，敬请关注。以上是临床预测模型的入门内容，本号还会继续更新关于。

包的各种使用方法，包括热图主体、注释条、图例、拼图、各种细节的设置等，还介绍了瀑布图，单个单元格中上下小三角的热图等。掌握了这些内容，各种SCI中常见的热图不在话下，希望大家都能多发文章，多中课题！包的作者内置大量的其他函数和功能，下面展示一下此包可以画的其他类型图形，如果有需要的小伙伴，可以去官网学习！目前全网应该找不到比我的这一系列更加详细的中文版。只是一个能画热图的包吗？包详细介绍系列终于迎来了最后一篇！前面的8篇内容详细介绍了。包介绍了，希望大家多多。

在最后个大家留了一个疑问，今天继续：大家经常读文献就会发现这种COX回归测试集的校准曲线↓：目前好像并没有包可以直接实现，不过也不是非常困难，下面给大家介绍实现方法。

这个方法是基于。

之前给大家介绍了不过Cox回归测试集的校准曲线就没有那么简单了。目前最简单的COX回归测试集的实现方法是通过包。

关于临床预测模型的基础知识，小编之前已经写过非常详细的教程，包括了临床预测模型的定义、常用评价方法、列线图、ROC曲线、IDI、NRI、校准曲线、决策曲线等。

关于临床预测模型的基础知识，小编之前已经写过非常详细的教程，包括了临床预测模型的定义、常用评价方法、列线图、ROC曲线、IDI、NRI、校准曲线、决策曲线等。全文获取方式请至微信公众号：医学和生信笔记。

完美观看体验请至公众号查看本文。，专注R语言在临床医学中的使用，R语言数据分析和可视化。IDI，综合判别改善指数，也适用于评价不同模型优劣的，比起NRI，IDI能够从整体角度对模型进行评价，和NRI一起使用效果更佳！

完美观看体验请至公众号查看本文。，专注R语言在临床医学中的使用，R语言数据分析和可视化。ROC曲线是评价模型的重要工具，曲线下面积AUC可能是大家最常见的模型评价指标之一。如果你还不太了解关于ROC曲线中的各种指标，请看下面这张图（请至公众号查看），有你需要的一切（建议保存）R语言中有非常多的方法可以实现ROC曲线，但是基本上都是至少需要2列数据，一列是真实结果，另一列是预测值，有了这两列数据，就可以轻松使用各种方法画出ROC曲线并计算AUC。

本文首发于公众号：医学和生信笔记“医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。前面给大家介绍了使用tidymodels搞定二分类资料的模型评价和比较。简介的语法、统一的格式、优雅的操作，让人欲罢不能！但是太费事儿了，同样的流程来了4遍，那要是选择10个模型，就得来10遍！无聊，非常的无聊。所以个大家介绍简便方法，不用重复写代码，一次搞定多个模型！本期目录：加载数据和R包数据

本文首发于公众号：医学和生信笔记“医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。前面介绍了使用tidymodels画校准曲线，不知道大家学会了没？众所周知，tidymodels目前还不支持一键绘制校准曲线！相同类型的mlr3也是不支持的！大家多去github提issue，加速对校准曲线的支持！今天介绍mlr3怎么画校准曲线，还是那句话，校准曲线就是散点图，你非说是折线图也行....

本文首发于公众号：医学和生信笔记“医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。很多人都开始用tidymodels了，但是很多人还没意识到，tidymodels目前还不支持一键绘制校准曲线！相同类型的mlr3也是不支持的，都说在开发中！开发了1年多了，还没开发好！大家可以去项目的github相关的issue里面留言，引起开发者重视。。。总的来说，在临床预测模型这个领域，目前还是一些

本文首发于公众号：医学和生信笔记“医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。前面介绍了使用tidymodels进行二分类资料的模型评价和比较，不知道大家学会了没？我之前详细介绍过mlr3这个包，也是目前R语言机器学习领域比较火的R包了，今天说下这么用mlr3进行二分类资料的模型评价和比较。本期目录：加载R包建立任务数据预处理选择多个模型建立benchmark_grid开始计算

本文首发于公众号：医学和生信笔记“医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。前面介绍了很多二分类资料的模型评价内容，用到了很多R包，虽然达到了目的，但是内容太多了，不太容易记住。今天给大家介绍一个很厉害的R包：tidymodels，一个R包搞定二分类资料的模型评价和比较。一看这个名字就知道，和tidyverse系列师出同门，包的作者是大佬Max Kuhn，大佬的上一个作品是ca

本文首发于公众号：医学和生信笔记“医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。前面我们已经讲过logistic模型的校准曲线的画法，这次我们学习生存资料的校准曲线画法。加载R包和数据calibration 方法1calibration 方法2加载R包和数据library(survival)library(rms)## Loading required&nbs

本文首发于公众号：医学和生信笔记“医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。评价模型的好坏主要看区分度和校准度，校准度方面目前最推荐的还是校准曲线（calibration curve），可用于评价模型预测概率和实际概率一致性。除了我介绍的这几种方法外，还有predtools、caret等可以用于分类变量的校准曲线绘制。如果你明白了校准曲线就是真实概率和预测概率的分箱平均值散点图，

本文首发于公众号：医学和生信笔记“医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。前面介绍了超多DCA的实现方法，基本上常见的方法都包括了，代码和数据获取方法也给了大家。今天介绍的是如何实现其他模型的DCA，比如lasso回归、随机森林、决策树、SVM、xgboost等。这是基于dca.r/stdca.r实现的一种通用方法，不过我在原本的代码上做了修改，原代码会在某些数据集报错。

本文首发于公众号：医学和生信笔记“医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。前面介绍了logistic回归的DCA的5种绘制方法，今天学习下cox回归的DCA绘制方法。也是有多种方法可以实现，但我比较推荐能返回数据，用ggplot2自己画的那种。生存资料的DCA方法1方法2方法3方法4生存资料的DCA方法1使用dcurves包,使用的数据集是包自带的df_surv数据集，一

本文首发于公众号：医学和生信笔记“医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。DCA，临床决策曲线分析，更佳贴近临床实际，对临床工作的开展比AUC/NRI/IDI等更具有指导意义。我刚接触DCA的时候一个正经画DCA的R包都没有，现在R语言画DCA的方法实在是太多了，本来还想1篇推文讲完多种模型的，结果1篇说1种模型都够呛！我这里只介绍了5种方法，还没有深入介绍推文就很长了。。后

本文首发于公众号：医学和生信笔记“医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。NRI，net reclassification index，净重新分类指数，是用来比较模型准确度的，这个概念有点难理解，但是非常重要，在临床研究中非常常见，是评价模型的一大利器！在R语言中有很多包可以计算NRI，但是能同时计算logistic回归和cox回归的只有nricens包，PredictABEL

本文首发于公众号：医学和生信笔记“医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。R语言临床预测模型系列文章，目前已更新20+篇内容，持续更新中，欢迎订阅！今天说一说ROC(AUC)的比较。二分类资料的ROC比较可以通过pROC包实现的，使用其中roc.test()函数可实现两个ROC的Delong检验。使用pROC包的aSAH数据，其中outcome列是结果变量，1代表Goo

本文首发于公众号：医学和生信笔记“医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。二分类变量的最佳截点直接使用pROC包就可以直接得到，前面也介绍过，今天主要说一下生存资料ROC曲线的最佳截点，以及生存资料的ROC曲线如何变得平滑。平滑曲线加载R包和数据多个时间点ROC画平滑曲线找最佳截点平滑曲线不考虑时间因素的ROC曲线可以使用pROC包中的smooth参数实现平滑版的曲线。ti

本文首发于公众号：医学和生信笔记“医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。生存资料的ROC曲线考虑了时间因素，在画ROC时，需要指定是哪个时间点的ROC。生存资料的ROC曲线绘制，最常见的那肯定是timeROC和survivalROC了，这两个包非常像，我比较喜欢用timeROC。加载R包和数据rm(list = ls())library(timeROC

本文首发于公众号：医学和生信笔记“医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。C-statistic是评价模型区分度的指标之一，在logistic模型中，C-statistic就是AUC，在生存资料中，C-statistic和AUC略有不同。今天给大家分别介绍logistic和cox回归的C-statistic计算方法。logistic回归的C-statistic方法1方法2方法

本文首发于公众号：医学和生信笔记“医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。当我们建立好预测模型后，如何评价我们的模型好坏呢？当我们建立了很多不同的模型，如何评价不同模型之间的优劣呢？这一篇主要就是讲这些，其实就是一些概念的理解，但其实不理解也问题不大，只要你会计算，会画图，写文章时把这些指标都写上就够了！目前模型评价的主要内容都是来自于2017年发表于JAMA上面的一篇文章

获取更多R语言知识，请关注公众号：医学和生信笔记“医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。前面讲了logistic回归和cox回归的列线图绘制方法，今天说一下列线图的本质。列线图与模型的关系列线图分数的计算方法分类变量分数的计算连续性变量分数的计算列线图与模型的关系列线图又叫诺莫图，nomogram plot，前面我们展示了绘制二分类变量和生存资料列线图的多种方法，不知道大

获取更多R语言知识，请关注公众号：医学和生信笔记“医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。列线图（Alignment Diagram），又称诺莫图（Nomogram图），用来把多因素回归分析结果（logistic回归和cox回归）用图形方式表现出来，将多个预测指标进行整合，然后采用带有刻度的线段，按照一定的比例绘制在同一平面上，从而用以表达预测模型中各个变量之间的相互关系。根据

获取更多R语言知识，请关注公众号：医学和生信笔记“医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。Cox比例风险模型也是多因素回归模型的一种，在考虑结局时，还加入了时间因素的影响。列线图（Alignment Diagram），又称诺莫图（Nomogram图），用来把多因素回归分析结果（logistic回归和cox回归）用图形方式表现出来，将多个预测指标进行整合，然后采用带有刻度的线段，