預測模型實戰:基於R、SPSS和Stata

武鬆

  • 出版商: 清華大學
  • 出版日期: 2023-11-01
  • 定價: $708
  • 售價: 8.5$602
  • 語言: 簡體中文
  • 頁數: 308
  • 裝訂: 平裝
  • ISBN: 7302639418
  • ISBN-13: 9787302639411
  • 相關分類: SPSSMachine Learning
  • 立即出貨

  • 預測模型實戰:基於R、SPSS和Stata-preview-1
  • 預測模型實戰:基於R、SPSS和Stata-preview-2
  • 預測模型實戰:基於R、SPSS和Stata-preview-3
預測模型實戰:基於R、SPSS和Stata-preview-1

買這商品的人也買了...

相關主題

商品描述

本書從生物醫藥三種建模講起,引出臨床預測模型,系統介紹了臨床預測模型的基本思想與理論體系,並配合SPSS、Stata和R語言實戰,讓讀者全面掌握臨床預測模型的建模、評價、驗證與展示技術,從而輕輕鬆鬆進行臨床預測模型研究,順利發表SCI(Science Citation Index,科學引文索引)論文。 本書分為7章,涵蓋臨床預測模型基礎、模型構建相關問題、SPSS臨床預測模型實戰、Stata診斷模型實戰、Stata預後臨床預測模型實戰、R語言診斷臨床預測模型實戰以及R語言預後臨床預測模型實戰。對於每個軟件,基本由一個案例從建模到區分度、校準度、臨床決策曲線評價,再到Nomo圖展示以及合理性分析的完整流程,讓學員體驗真正實操案例教學。作者自編的一些自動分析插件以及自動製表代碼,極大提升讀者數據處理和論文發表的能力。 本書內容通俗易懂,實用性強,適用人群為生物醫藥領域醫生、護士、碩博士研究生、醫學高校教師,特別適合臨床預測模型的入門讀者和進階讀者閱讀,另外,本書也適合作為相關培訓機構的教材使用。

目錄大綱

目錄

 

第1章  臨床預測模型基礎  /  1

1.1  三種建模策略解讀  /  1

1.1.1  風險因素發現模型  /  1

1.1.2  風險因素驗證模型  /  2

1.1.3  臨床預測模型  /  3

1.2  臨床預測模型分類與分型  /  5

1.2.1  預測模型目的分類  /  5

1.2.2  預測模型數據來源分類  /  6

1.2.3  數據集分類  /  7

1.3  區分度-C指數  /  8

1.4  凈重新分類指數  /  10

1.5  綜合判別改善指數  /  12

1.6  校準度  /  13

1.6.1  Hosmer-Lemeshow檢驗  /  13

1.6.2  Calibration plot  /  13

1.7  臨床決策曲線  /  16

1.8  模型可視化(Visualization)  /  18

1.9  交叉驗證  /  19

1.9.1  簡單交叉驗證(Simple Cross Validation)  /  20

1.9.2  K折交叉驗證(K-Folder Cross Validation)  /  20

1.9.3  留一法交叉驗證(Leave-one-out 

       Cross Validation)  /  20

1.10  自助抽樣法  /  20

1.11  LASSO回歸  /  21

1.12  臨床預測模型報告規範  /  23

第2章  模型構建相關問題  /  26

2.1  單變量進入模型的形式  /  26

2.1.1  數值變量進入模型的形式  /  26

2.1.2  等級變量進入模型的形式  /  27

2.1.3  分類變量進入模型的形式  /  28

2.2  模型構建策略探討  /  29

2.2.1  先單後多法  /  29

2.2.2  全部進入法  /  29

2.2.3  百分之十改變量法  /  29

2.2.4  LASSO回歸法  /  29

2.3  統計建模  /  30

2.3.1  危險因素篩選模型  /  30

2.3.2  風險因素驗證模型  /  30

2.3.3  臨床預測模型  /  30

第3章  SPSS臨床預測模型實戰  /  31

3.1  SPSS在診斷模型中的應用  /  31

3.1.1  數據拆分  /  32

3.1.2  統計建模  /  33

3.1.3  模型評價  /  38

3.2  SPSS在預後模型中的應用  /  42

第4章  Stata診斷模型實戰  /  46

4.1  Logistic回歸模型構建  /  46

4.1.1  先單因素分析  /  46

4.1.2  後多因素分析  /  50

4.1.3  正式後多因素分析  /  51

4.1.4  模型比較  /  54

4.1.5  最終模型  /  56

4.1.6  預測概率  /  57

4.2  Logistic回歸模型區分度評價  /  57

4.2.1  訓練集的AUC分析  /  58

4.2.2  訓練集ROC曲線分析  /  58

4.2.3  驗證集AUC 分析  /  59

4.2.4  驗證集ROC分析  /  60

4.2.5  多條ROC曲線  /  60

4.3 Logistic回歸模型校準度評價:HL檢驗

  與校準曲線  /  61

4.3.1  基於HL函數的校準度  /  61

4.3.2  校準曲線加強版  /  63

4.3.3  Bootstrap校準曲線  /  67

4.4  Logistic回歸模型臨床適用性評價:臨

  床決策曲線(DCA)  /  69

4.4.1  訓練集臨床決策曲線  /  70

4.4.2  驗證集臨床決策曲線  /  70

4.4.3  決策曲線優化  /  71

4.4.4  凈減少曲線(Net Reduction)  /  72

4.5  Logistic回歸模型可視化:Nomo圖  /  73

4.6  NRI和IDI  /  75

4.6.1  NRI(凈重新分類指數)  /  75

4.6.2  IDI(綜合判別改善指數)  /  77

4.7  如何利用別人文章的模型  /  78

4.8  交叉驗證  /  79

4.9  Bootstrap  /  81

4.10  LASSO-Logit  /  85

4.10.1  LASSO回歸  /  86

4.10.2  路徑圖  /  88

4.10.3  CV-LASSO  /  91

4.11  缺失值處理  /  93

4.11.1  直接刪除法  /  93

4.11.2  單一插補法  /  93

4.11.3  多重插補法  /  93

 

第5章  Stata預後臨床預測模型實戰  /  100

5.1  模型構建  /  100

5.1.1  建立時間變量和結局變量  /  101

5.1.2  單因素分析  /  101

5.1.3  多因素分析  /  102

5.1.4  模型比較  /  104

5.1.5  確定最終模型  /  105

5.2  區分度  /  106

5.2.1  C-index  /  106

5.2.2  C-index和Somers_D及 95%可信區間  /  107

5.2.3  時點ROC曲線(Time ROC)  /  109

5.3  校準度  /  113

5.3.1  建立模型  /  113

5.3.2  訓練集時點校準曲線  /  113

5.3.3  驗證集時點校準曲線  /  114

5.3.4  訓練集校準曲線加強版  /  114

5.3.5  驗證集校準曲線加強版  /  115

5.4  決策曲線  /  117

5.4.1  建立模型  /  117

5.4.2  設立時間節點死亡概率  /  117

5.4.3  模型組與驗證組DCA  /  117

5.4.4  多模型DCA曲線  /  119

5.4.5  凈獲益的數據  /  120

5.5  Nomo圖  /  120

5.5.1  構建模型  /  120

5.5.2  命令繪制Nomo圖  /  120

5.5.3  窗口Nomo繪制  /  122

5.6  NRI與IDI  /  123

5.6.1  NRI  /  123

5.6.2  IDI  /  125

5.7  Bootstrap  /  126

第6章  R語言診斷臨床預測模型實戰  /  129

6.1  Logistic回歸模型構建  /  129

6.1.1  單因素分析  /  129

6.1.2  多因素分析  /  138

6.2  Logistic回歸模型區分度評價  /  154

6.2.1  訓練集AUC與ROC  /  155

6.2.2  驗證集AUC和ROC  /  159

6.2.3  繪制多條ROC曲線  /  163

6.2.4  兩條ROC曲線比較  /  165

6.2.5.  Bootstrap法ROC內部驗證  /  166

6.3  Logistic回歸校準度評價:HL檢驗與校

  準曲線  /  168

6.3.1  calibrate包val.prob函數校準曲線實現  /  168

6.3.2  Hosmer-Lemeshow test檢驗  /  170

6.3.3  riskRegression包plotCalibration函數校準曲

  線實現  /  171

6.3.4  lrm+calibrate+plot校準曲線實現  /  172

6.3.5  校準曲線方法四(Bootstrap法)  /  174

6.4  Logistic回歸模型臨床決策曲線

  (DCA)  /  175

6.4.1  軟件準備工作  /  176

6.4.2  rmda包決策曲線實現  /  176

6.4.3  臨床影響曲線(clinical impact curve)  /  180

6.4.4  DCA及可信區間  /  182

6.4.5  交叉驗證DCA  /  182

6.4.6  DCA包臨床決策曲線繪制  /  183

6.5  Logistic回歸模型可視化:Nomo圖  /  185

6.5.1  rms包常規普通列線圖回歸  /  186

6.5.2  regplot包繪制交互列線圖  /  187

6.5.3  普通列線圖變種  /  189

6.5.4  DynNom包動態列線圖  /  190

6.5.5  製作網絡版動態列線圖  /  193

6.6  Logistic回歸模型診斷效果評價  /  197

6.6.1  診斷試驗評價  /  198

6.6.2  ROC曲線比較  /  198

6.6.3  Logistic回歸分析  /  199

6.7  NRI和IDI  /  200

6.7.1  凈重新分類指數  /  200

6.7.2  綜合判別改善指數  /  202

6.8  如何驗證別人已經發表的模型  /  204

6.9  LASSO在Logistic回歸中應用  /  205

6.9.1  軟件包準備  /  205

6.9.2  數據準備  /  205

6.9.3  LASSO-Logit  /  205

6.9.4  CV-LASSO  /  207

6.10  交叉驗證與Bootstrap  /  209

6.10.1  簡單交叉驗證  /  210

6.10.2  十重交叉驗證  /  211

6.10.3  留一法交叉驗證  /  212

6.10.4  Bootstrap CV  /  213

6.10.5  Bootstrap ROC  /  214

第7章  R語言預後臨床預測模型實戰  /  216

7.1  COX回歸模型構建  /  217

7.1.1  數據讀取  /  217

7.1.2  軟件包準備  /  218

7.1.3  先單因素分析  /  218

7.1.4  後多因素分析  /  219

7.1.5  批量單因素分析  /  220

7.1.6  多因素分析  /  222

7.1.7  模型比較  /  226

7.2  預後模型區分度分析  /  229

7.2.1  Concordance index  /  229

7.2.2  Time-ROC  /  234

7.2.3  時間依賴AUC  /  239

7.3  預後模型校準度分析  /  244

7.3.1  基於rms包的校準曲線  /  244

7.3.2  基於pec包的校準曲線  /  250

7.4  預後模型決策曲線分析  /  255

7.4.1  基於stdca.R的決策曲線  /  257

7.4.2  基於dcurves包的決策曲線  /  263

7.4.3  基於ggDCA包的決策曲線  /  270

7.5  交叉驗證  /  274

7.6  預後模型Nomo展示  /  277

7.6.1  普通生存概率列線圖  /  277

7.6.2  中位生存時間列線圖  /  279

7.6.3  網格線列線圖  /  280

7.6.4  動態列線圖  /  280

7.7  NRI和IDI  /  283

7.7.1  NRI(凈重新分類指數)  /  283

7.7.2  IDI  /  285

7.8  LASSO-COX  /  286

7.8.1  數據準備  /  286

7.8.2  LASSO-COX  /  286

7.8.3  CV-LASSO  /  288

7.9  模型效果驗證  /  290

7.9.1  風險分組後KM曲線  /  290

7.9.2  風險得分圖  /  293

7.10  生存分析數值變量分類方法  /  295

7.10.1  Time-ROC  /  295

7.10.2  X-Tile  /  297

參考資料  /  299