舉報(bào)

會(huì)員
預(yù)測(cè)模型實(shí)戰(zhàn):基于R、SPSS和Stata
武松編著 著
更新時(shí)間:2024-12-24 10:17:53
開會(huì)員,本書免費(fèi)讀 >
最新章節(jié):
參考資料
本書從生物醫(yī)藥三種建模講起,引出臨床預(yù)測(cè)模型,系統(tǒng)介紹了臨床預(yù)測(cè)模型的基本思想與理論體系,并配合SPSS、Stata和R語(yǔ)言實(shí)戰(zhàn),讓讀者全面掌握臨床預(yù)測(cè)模型的建模、評(píng)價(jià)、驗(yàn)證與展示技術(shù),從而輕輕松松進(jìn)行臨床預(yù)測(cè)模型研究,順利發(fā)表SCI(ScienceCitationIndex,科學(xué)引文索引)論文。本書分為7章,涵蓋臨床預(yù)測(cè)模型基礎(chǔ)、模型構(gòu)建相關(guān)問題、SPSS臨床預(yù)測(cè)模型實(shí)戰(zhàn)、Stata診斷模型實(shí)戰(zhàn)、Stata預(yù)后臨床預(yù)測(cè)模型實(shí)戰(zhàn)、R語(yǔ)言診斷臨床預(yù)測(cè)模型實(shí)戰(zhàn)以及R語(yǔ)言預(yù)后臨床預(yù)測(cè)模型實(shí)戰(zhàn)。對(duì)于每個(gè)軟件,基本由一個(gè)案例從建模到區(qū)分度、校準(zhǔn)度、臨床決策曲線評(píng)價(jià),再到Nomo圖展示以及合理性分析的完整流程,讓學(xué)員體驗(yàn)真正實(shí)操案例教學(xué)。作者自編的一些自動(dòng)分析插件以及自動(dòng)制表代碼,極大提升讀者數(shù)據(jù)處理和論文發(fā)表的能力。
最新章節(jié)
- 參考資料
- 7.10.2 X-Tile
- 7.10.1 Time-ROC
- 7.10 生存分析數(shù)值變量分類方法
- 7.9.2 風(fēng)險(xiǎn)得分圖
- 7.9.1 風(fēng)險(xiǎn)分組后KM曲線
品牌:清華大學(xué)
上架時(shí)間:2024-12-24 10:02:00
出版社:清華大學(xué)出版社
本書數(shù)字版權(quán)由清華大學(xué)提供,并由其授權(quán)上海閱文信息技術(shù)有限公司制作發(fā)行
- 參考資料 更新時(shí)間:2024-12-24 10:17:53
- 7.10.2 X-Tile
- 7.10.1 Time-ROC
- 7.10 生存分析數(shù)值變量分類方法
- 7.9.2 風(fēng)險(xiǎn)得分圖
- 7.9.1 風(fēng)險(xiǎn)分組后KM曲線
- 7.9 模型效果驗(yàn)證
- 7.8.3 CV-LASSO
- 7.8.2 LASSO-COX
- 7.8.1 數(shù)據(jù)準(zhǔn)備
- 7.8 LASSO-COX
- 7.7.2 IDI
- 7.7.1 NRI(凈重新分類指數(shù))
- 7.7 NRI和IDI
- 7.6.4 動(dòng)態(tài)列線圖
- 7.6.3 網(wǎng)格線列線圖
- 7.6.2 中位生存時(shí)間列線圖
- 7.6.1 普通生存概率列線圖
- 7.6 預(yù)后模型Nomo展示
- 7.5 交叉驗(yàn)證
- 7.4.3 基于ggDCA包的決策曲線
- 7.4.2 基于dcurves包的決策曲線
- 7.4.1 基于stdca.R的決策曲線
- 7.4 預(yù)后模型決策曲線分析
- 7.3.2 基于pec包的校準(zhǔn)曲線
- 7.3.1 基于rms包的校準(zhǔn)曲線
- 7.3 預(yù)后模型校準(zhǔn)度分析
- 7.2.3 時(shí)間依賴AUC
- 7.2.2 Time-ROC
- 7.2.1 Concordance index
- 7.2 預(yù)后模型區(qū)分度分析
- 7.1.7 模型比較
- 7.1.6 多因素分析
- 7.1.5 批量單因素分析
- 7.1.4 后多因素分析
- 7.1.3 先單因素分析
- 7.1.2 軟件包準(zhǔn)備
- 7.1.1 數(shù)據(jù)讀取
- 7.1 COX回歸模型構(gòu)建
- 第7章 R語(yǔ)言預(yù)后臨床預(yù)測(cè)模型實(shí)戰(zhàn)
- 6.10.5 Bootstrap ROC
- 6.10.4 Bootstrap CV
- 6.10.3 留一法交叉驗(yàn)證
- 6.10.2 十重交叉驗(yàn)證
- 6.10.1 簡(jiǎn)單交叉驗(yàn)證
- 6.10 交叉驗(yàn)證與Bootstrap
- 6.9.4 CV-LASSO
- 6.9.3 LASSO-Logit
- 6.9.2 數(shù)據(jù)準(zhǔn)備
- 6.9.1 軟件包準(zhǔn)備
- 6.9 LASSO在Logistic回歸中應(yīng)用
- 6.8 如何驗(yàn)證別人已經(jīng)發(fā)表的模型
- 6.7.2 綜合判別改善指數(shù)
- 6.7.1 凈重新分類指數(shù)
- 6.7 NRI和IDI
- 6.6.3 Logistic回歸分析
- 6.6.2 ROC曲線比較
- 6.6.1 診斷試驗(yàn)評(píng)價(jià)
- 6.6 Logistic回歸模型診斷效果評(píng)價(jià)
- 6.5.5 制作網(wǎng)絡(luò)版動(dòng)態(tài)列線圖
- 6.5.4 DynNom包動(dòng)態(tài)列線圖
- 6.5.3 普通列線圖變種
- 6.5.2 regplot包繪制交互列線圖
- 6.5.1 rms包常規(guī)普通列線圖回歸
- 6.5 Logistic回歸模型可視化:Nomo圖
- 6.4.6 DCA包臨床決策曲線繪制
- 6.4.5 交叉驗(yàn)證DCA
- 6.4.4 DCA及可信區(qū)間
- 6.4.3 臨床影響曲線(clinical impact curve)
- 6.4.2 rmda包決策曲線實(shí)現(xiàn)
- 6.4.1 軟件準(zhǔn)備工作
- 6.4 Logistic回歸模型臨床決策曲線(DCA)
- 6.3.5 校準(zhǔn)曲線方法四(Bootstrap法)
- 6.3.4 lrm+calibrate+plot校準(zhǔn)曲線實(shí)現(xiàn)
- 6.3.3 riskRegression包plotCalibration函數(shù)校準(zhǔn)曲線實(shí)現(xiàn)
- 6.3.2 Hosmer-Lemeshow test檢驗(yàn)
- 6.3.1 calibrate包val.prob函數(shù)校準(zhǔn)曲線實(shí)現(xiàn)
- 6.3 Logistic回歸校準(zhǔn)度評(píng)價(jià):HL檢驗(yàn)與校準(zhǔn)曲線
- 6.2.5 Bootstrap法ROC內(nèi)部驗(yàn)證
- 6.2.4 兩條ROC曲線比較
- 6.2.3 繪制多條ROC曲線
- 6.2.2 驗(yàn)證集AUC和ROC
- 6.2.1 訓(xùn)練集AUC與ROC
- 6.2 Logistic回歸模型區(qū)分度評(píng)價(jià)
- 6.1.2 多因素分析
- 6.1.1 單因素分析
- 6.1 Logistic回歸模型構(gòu)建
- 第6章 R語(yǔ)言診斷臨床預(yù)測(cè)模型實(shí)戰(zhàn)
- 5.7 Bootstrap
- 5.6.2 IDI
- 5.6.1 NRI
- 5.6 NRI與IDI
- 5.5.3 窗口Nomo繪制
- 5.5.2 命令繪制Nomo圖
- 5.5.1 構(gòu)建模型
- 5.5 Nomo圖
- 5.4.5 凈獲益的數(shù)據(jù)
- 5.4.4 多模型DCA曲線
- 5.4.3 模型組與驗(yàn)證組DCA
- 5.4.2 設(shè)立時(shí)間節(jié)點(diǎn)死亡概率
- 5.4.1 建立模型
- 5.4 決策曲線
- 5.3.5 驗(yàn)證集校準(zhǔn)曲線加強(qiáng)版
- 5.3.4 訓(xùn)練集校準(zhǔn)曲線加強(qiáng)版
- 5.3.3 驗(yàn)證集時(shí)點(diǎn)校準(zhǔn)曲線
- 5.3.2 訓(xùn)練集時(shí)點(diǎn)校準(zhǔn)曲線
- 5.3.1 建立模型
- 5.3 校準(zhǔn)度
- 5.2.3 時(shí)點(diǎn)ROC曲線(Time ROC)
- 5.2.2 C-index和Somers_D及95%可信區(qū)間
- 5.2.1 C-index
- 5.2 區(qū)分度
- 5.1.5 確定最終模型
- 5.1.4 模型比較
- 5.1.3 多因素分析
- 5.1.2 單因素分析
- 5.1.1 建立時(shí)間變量和結(jié)局變量
- 5.1 模型構(gòu)建
- 第5章 Stata預(yù)后臨床預(yù)測(cè)模型實(shí)戰(zhàn)
- 4.11.3 多重插補(bǔ)法
- 4.11.2 單一插補(bǔ)法
- 4.11.1 直接刪除法
- 4.11 缺失值處理
- 4.10.3 CV-LASSO
- 4.10.2 路徑圖
- 4.10.1 LASSO回歸
- 4.10 LASSO-Logit
- 4.9 Bootstrap
- 4.8 交叉驗(yàn)證
- 4.7 如何利用別人文章的模型
- 4.6.2 IDI(綜合判別改善指數(shù))
- 4.6.1 NRI(凈重新分類指數(shù))
- 4.6 NRI和IDI
- 4.5 Logistic回歸模型可視化:Nomo圖
- 4.4.4 凈減少曲線(Net Reduction)
- 4.4.3 決策曲線優(yōu)化
- 4.4.2 驗(yàn)證集臨床決策曲線
- 4.4.1 訓(xùn)練集臨床決策曲線
- 4.4 Logistic回歸模型臨床適用性評(píng)價(jià):臨床決策曲線(DCA)
- 4.3.3 Bootstrap校準(zhǔn)曲線
- 4.3.2 校準(zhǔn)曲線加強(qiáng)版
- 4.3.1 基于HL函數(shù)的校準(zhǔn)度
- 4.3 Logistic回歸模型校準(zhǔn)度評(píng)價(jià):HL檢驗(yàn)與校準(zhǔn)曲線
- 4.2.5 多條ROC曲線
- 4.2.4 驗(yàn)證集ROC分析
- 4.2.3 驗(yàn)證集AUC分析
- 4.2.2 訓(xùn)練集ROC曲線分析
- 4.2.1 訓(xùn)練集的AUC分析
- 4.2 Logistic回歸模型區(qū)分度評(píng)價(jià)
- 4.1.6 預(yù)測(cè)概率
- 4.1.5 最終模型
- 4.1.4 模型比較
- 4.1.3 正式后多因素分析
- 4.1.2 后多因素分析
- 4.1.1 先單因素分析
- 4.1 Logistic回歸模型構(gòu)建
- 第4章 Stata診斷模型實(shí)戰(zhàn)
- 3.2 SPSS在預(yù)后模型中的應(yīng)用
- 3.1.3 模型評(píng)價(jià)
- 3.1.2 統(tǒng)計(jì)建模
- 3.1.1 數(shù)據(jù)拆分
- 3.1 SPSS在診斷模型中的應(yīng)用
- 第3章 SPSS臨床預(yù)測(cè)模型實(shí)戰(zhàn)
- 2.3.3 臨床預(yù)測(cè)模型
- 2.3.2 風(fēng)險(xiǎn)因素驗(yàn)證模型
- 2.3.1 危險(xiǎn)因素篩選模型
- 2.3 統(tǒng)計(jì)建模
- 2.2.4 LASSO回歸法
- 2.2.3 百分之十改變量法
- 2.2.2 全部進(jìn)入法
- 2.2.1 先單后多法
- 2.2 模型構(gòu)建策略探討
- 2.1.3 分類變量進(jìn)入模型的形式
- 2.1.2 等級(jí)變量進(jìn)入模型的形式
- 2.1.1 數(shù)值變量進(jìn)入模型的形式
- 2.1 單變量進(jìn)入模型的形式
- 第2章 模型構(gòu)建相關(guān)問題
- 1.12 臨床預(yù)測(cè)模型報(bào)告規(guī)范
- 1.11 LASSO回歸
- 1.10 自助抽樣法
- 1.9.3 留一法交叉驗(yàn)證(Leave-one-out Cross Validation)
- 1.9.2 K折交叉驗(yàn)證(K-Folder Cross Validation)
- 1.9.1 簡(jiǎn)單交叉驗(yàn)證(Simple Cross Validation)
- 1.9 交叉驗(yàn)證
- 1.8 模型可視化(Visualization)
- 1.7 臨床決策曲線
- 1.6.2 Calibration plot
- 1.6.1 Hosmer-Lemeshow檢驗(yàn)
- 1.6 校準(zhǔn)度
- 1.5 綜合判別改善指數(shù)
- 1.4 凈重新分類指數(shù)
- 1.3 區(qū)分度-C指數(shù)
- 1.2.3 數(shù)據(jù)集分類
- 1.2.2 預(yù)測(cè)模型數(shù)據(jù)來(lái)源分類
- 1.2.1 預(yù)測(cè)模型目的分類
- 1.2 臨床預(yù)測(cè)模型分類與分型
- 1.1.3 臨床預(yù)測(cè)模型
- 1.1.2 風(fēng)險(xiǎn)因素驗(yàn)證模型
- 1.1.1 風(fēng)險(xiǎn)因素發(fā)現(xiàn)模型
- 1.1 三種建模策略解讀
- 第1章 臨床預(yù)測(cè)模型基礎(chǔ)
- 序
- 內(nèi)容簡(jiǎn)介
- 作者簡(jiǎn)介
- 版權(quán)頁(yè)
- 封面
- 封面
- 版權(quán)頁(yè)
- 作者簡(jiǎn)介
- 內(nèi)容簡(jiǎn)介
- 序
- 第1章 臨床預(yù)測(cè)模型基礎(chǔ)
- 1.1 三種建模策略解讀
- 1.1.1 風(fēng)險(xiǎn)因素發(fā)現(xiàn)模型
- 1.1.2 風(fēng)險(xiǎn)因素驗(yàn)證模型
- 1.1.3 臨床預(yù)測(cè)模型
- 1.2 臨床預(yù)測(cè)模型分類與分型
- 1.2.1 預(yù)測(cè)模型目的分類
- 1.2.2 預(yù)測(cè)模型數(shù)據(jù)來(lái)源分類
- 1.2.3 數(shù)據(jù)集分類
- 1.3 區(qū)分度-C指數(shù)
- 1.4 凈重新分類指數(shù)
- 1.5 綜合判別改善指數(shù)
- 1.6 校準(zhǔn)度
- 1.6.1 Hosmer-Lemeshow檢驗(yàn)
- 1.6.2 Calibration plot
- 1.7 臨床決策曲線
- 1.8 模型可視化(Visualization)
- 1.9 交叉驗(yàn)證
- 1.9.1 簡(jiǎn)單交叉驗(yàn)證(Simple Cross Validation)
- 1.9.2 K折交叉驗(yàn)證(K-Folder Cross Validation)
- 1.9.3 留一法交叉驗(yàn)證(Leave-one-out Cross Validation)
- 1.10 自助抽樣法
- 1.11 LASSO回歸
- 1.12 臨床預(yù)測(cè)模型報(bào)告規(guī)范
- 第2章 模型構(gòu)建相關(guān)問題
- 2.1 單變量進(jìn)入模型的形式
- 2.1.1 數(shù)值變量進(jìn)入模型的形式
- 2.1.2 等級(jí)變量進(jìn)入模型的形式
- 2.1.3 分類變量進(jìn)入模型的形式
- 2.2 模型構(gòu)建策略探討
- 2.2.1 先單后多法
- 2.2.2 全部進(jìn)入法
- 2.2.3 百分之十改變量法
- 2.2.4 LASSO回歸法
- 2.3 統(tǒng)計(jì)建模
- 2.3.1 危險(xiǎn)因素篩選模型
- 2.3.2 風(fēng)險(xiǎn)因素驗(yàn)證模型
- 2.3.3 臨床預(yù)測(cè)模型
- 第3章 SPSS臨床預(yù)測(cè)模型實(shí)戰(zhàn)
- 3.1 SPSS在診斷模型中的應(yīng)用
- 3.1.1 數(shù)據(jù)拆分
- 3.1.2 統(tǒng)計(jì)建模
- 3.1.3 模型評(píng)價(jià)
- 3.2 SPSS在預(yù)后模型中的應(yīng)用
- 第4章 Stata診斷模型實(shí)戰(zhàn)
- 4.1 Logistic回歸模型構(gòu)建
- 4.1.1 先單因素分析
- 4.1.2 后多因素分析
- 4.1.3 正式后多因素分析
- 4.1.4 模型比較
- 4.1.5 最終模型
- 4.1.6 預(yù)測(cè)概率
- 4.2 Logistic回歸模型區(qū)分度評(píng)價(jià)
- 4.2.1 訓(xùn)練集的AUC分析
- 4.2.2 訓(xùn)練集ROC曲線分析
- 4.2.3 驗(yàn)證集AUC分析
- 4.2.4 驗(yàn)證集ROC分析
- 4.2.5 多條ROC曲線
- 4.3 Logistic回歸模型校準(zhǔn)度評(píng)價(jià):HL檢驗(yàn)與校準(zhǔn)曲線
- 4.3.1 基于HL函數(shù)的校準(zhǔn)度
- 4.3.2 校準(zhǔn)曲線加強(qiáng)版
- 4.3.3 Bootstrap校準(zhǔn)曲線
- 4.4 Logistic回歸模型臨床適用性評(píng)價(jià):臨床決策曲線(DCA)
- 4.4.1 訓(xùn)練集臨床決策曲線
- 4.4.2 驗(yàn)證集臨床決策曲線
- 4.4.3 決策曲線優(yōu)化
- 4.4.4 凈減少曲線(Net Reduction)
- 4.5 Logistic回歸模型可視化:Nomo圖
- 4.6 NRI和IDI
- 4.6.1 NRI(凈重新分類指數(shù))
- 4.6.2 IDI(綜合判別改善指數(shù))
- 4.7 如何利用別人文章的模型
- 4.8 交叉驗(yàn)證
- 4.9 Bootstrap
- 4.10 LASSO-Logit
- 4.10.1 LASSO回歸
- 4.10.2 路徑圖
- 4.10.3 CV-LASSO
- 4.11 缺失值處理
- 4.11.1 直接刪除法
- 4.11.2 單一插補(bǔ)法
- 4.11.3 多重插補(bǔ)法
- 第5章 Stata預(yù)后臨床預(yù)測(cè)模型實(shí)戰(zhàn)
- 5.1 模型構(gòu)建
- 5.1.1 建立時(shí)間變量和結(jié)局變量
- 5.1.2 單因素分析
- 5.1.3 多因素分析
- 5.1.4 模型比較
- 5.1.5 確定最終模型
- 5.2 區(qū)分度
- 5.2.1 C-index
- 5.2.2 C-index和Somers_D及95%可信區(qū)間
- 5.2.3 時(shí)點(diǎn)ROC曲線(Time ROC)
- 5.3 校準(zhǔn)度
- 5.3.1 建立模型
- 5.3.2 訓(xùn)練集時(shí)點(diǎn)校準(zhǔn)曲線
- 5.3.3 驗(yàn)證集時(shí)點(diǎn)校準(zhǔn)曲線
- 5.3.4 訓(xùn)練集校準(zhǔn)曲線加強(qiáng)版
- 5.3.5 驗(yàn)證集校準(zhǔn)曲線加強(qiáng)版
- 5.4 決策曲線
- 5.4.1 建立模型
- 5.4.2 設(shè)立時(shí)間節(jié)點(diǎn)死亡概率
- 5.4.3 模型組與驗(yàn)證組DCA
- 5.4.4 多模型DCA曲線
- 5.4.5 凈獲益的數(shù)據(jù)
- 5.5 Nomo圖
- 5.5.1 構(gòu)建模型
- 5.5.2 命令繪制Nomo圖
- 5.5.3 窗口Nomo繪制
- 5.6 NRI與IDI
- 5.6.1 NRI
- 5.6.2 IDI
- 5.7 Bootstrap
- 第6章 R語(yǔ)言診斷臨床預(yù)測(cè)模型實(shí)戰(zhàn)
- 6.1 Logistic回歸模型構(gòu)建
- 6.1.1 單因素分析
- 6.1.2 多因素分析
- 6.2 Logistic回歸模型區(qū)分度評(píng)價(jià)
- 6.2.1 訓(xùn)練集AUC與ROC
- 6.2.2 驗(yàn)證集AUC和ROC
- 6.2.3 繪制多條ROC曲線
- 6.2.4 兩條ROC曲線比較
- 6.2.5 Bootstrap法ROC內(nèi)部驗(yàn)證
- 6.3 Logistic回歸校準(zhǔn)度評(píng)價(jià):HL檢驗(yàn)與校準(zhǔn)曲線
- 6.3.1 calibrate包val.prob函數(shù)校準(zhǔn)曲線實(shí)現(xiàn)
- 6.3.2 Hosmer-Lemeshow test檢驗(yàn)
- 6.3.3 riskRegression包plotCalibration函數(shù)校準(zhǔn)曲線實(shí)現(xiàn)
- 6.3.4 lrm+calibrate+plot校準(zhǔn)曲線實(shí)現(xiàn)
- 6.3.5 校準(zhǔn)曲線方法四(Bootstrap法)
- 6.4 Logistic回歸模型臨床決策曲線(DCA)
- 6.4.1 軟件準(zhǔn)備工作
- 6.4.2 rmda包決策曲線實(shí)現(xiàn)
- 6.4.3 臨床影響曲線(clinical impact curve)
- 6.4.4 DCA及可信區(qū)間
- 6.4.5 交叉驗(yàn)證DCA
- 6.4.6 DCA包臨床決策曲線繪制
- 6.5 Logistic回歸模型可視化:Nomo圖
- 6.5.1 rms包常規(guī)普通列線圖回歸
- 6.5.2 regplot包繪制交互列線圖
- 6.5.3 普通列線圖變種
- 6.5.4 DynNom包動(dòng)態(tài)列線圖
- 6.5.5 制作網(wǎng)絡(luò)版動(dòng)態(tài)列線圖
- 6.6 Logistic回歸模型診斷效果評(píng)價(jià)
- 6.6.1 診斷試驗(yàn)評(píng)價(jià)
- 6.6.2 ROC曲線比較
- 6.6.3 Logistic回歸分析
- 6.7 NRI和IDI
- 6.7.1 凈重新分類指數(shù)
- 6.7.2 綜合判別改善指數(shù)
- 6.8 如何驗(yàn)證別人已經(jīng)發(fā)表的模型
- 6.9 LASSO在Logistic回歸中應(yīng)用
- 6.9.1 軟件包準(zhǔn)備
- 6.9.2 數(shù)據(jù)準(zhǔn)備
- 6.9.3 LASSO-Logit
- 6.9.4 CV-LASSO
- 6.10 交叉驗(yàn)證與Bootstrap
- 6.10.1 簡(jiǎn)單交叉驗(yàn)證
- 6.10.2 十重交叉驗(yàn)證
- 6.10.3 留一法交叉驗(yàn)證
- 6.10.4 Bootstrap CV
- 6.10.5 Bootstrap ROC
- 第7章 R語(yǔ)言預(yù)后臨床預(yù)測(cè)模型實(shí)戰(zhàn)
- 7.1 COX回歸模型構(gòu)建
- 7.1.1 數(shù)據(jù)讀取
- 7.1.2 軟件包準(zhǔn)備
- 7.1.3 先單因素分析
- 7.1.4 后多因素分析
- 7.1.5 批量單因素分析
- 7.1.6 多因素分析
- 7.1.7 模型比較
- 7.2 預(yù)后模型區(qū)分度分析
- 7.2.1 Concordance index
- 7.2.2 Time-ROC
- 7.2.3 時(shí)間依賴AUC
- 7.3 預(yù)后模型校準(zhǔn)度分析
- 7.3.1 基于rms包的校準(zhǔn)曲線
- 7.3.2 基于pec包的校準(zhǔn)曲線
- 7.4 預(yù)后模型決策曲線分析
- 7.4.1 基于stdca.R的決策曲線
- 7.4.2 基于dcurves包的決策曲線
- 7.4.3 基于ggDCA包的決策曲線
- 7.5 交叉驗(yàn)證
- 7.6 預(yù)后模型Nomo展示
- 7.6.1 普通生存概率列線圖
- 7.6.2 中位生存時(shí)間列線圖
- 7.6.3 網(wǎng)格線列線圖
- 7.6.4 動(dòng)態(tài)列線圖
- 7.7 NRI和IDI
- 7.7.1 NRI(凈重新分類指數(shù))
- 7.7.2 IDI
- 7.8 LASSO-COX
- 7.8.1 數(shù)據(jù)準(zhǔn)備
- 7.8.2 LASSO-COX
- 7.8.3 CV-LASSO
- 7.9 模型效果驗(yàn)證
- 7.9.1 風(fēng)險(xiǎn)分組后KM曲線
- 7.9.2 風(fēng)險(xiǎn)得分圖
- 7.10 生存分析數(shù)值變量分類方法
- 7.10.1 Time-ROC
- 7.10.2 X-Tile
- 參考資料 更新時(shí)間:2024-12-24 10:17:53