從統計小白到領域精英，釐清思路，注重實戰，解決問題！全面拆解臨床預測模型知識體繫真實案例一鏡到底，助您充分掌握預測模型全流程不僅講授方法，更注重經驗總結，掃除疑難雜癥

●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 淨重新分類指數/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 淨減少曲線（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（淨重新分類指數）/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 淨獲益的數據/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 制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 淨重新分類指數/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（淨重新分類指數）/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

本書從生物醫藥三種建模講起，引出臨床預測模型，繫統介紹了臨床預測模型的基本思想與理論體繫，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，從而輕輕松松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制表代碼，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、碩博士等

武松 編