R語言中怎么用cox模型評估DCA曲線

這篇“R語言中怎么用cox模型評估DCA曲線”文章的知識點大部分人都不太理解，所以小編給大家總結(jié)了以下內(nèi)容，內(nèi)容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“R語言中怎么用cox模型評估DCA曲線”文章吧。

DCA曲線

DCA曲線，即決策曲線分析法（Decision Curve Analysis）,是用來幫助確定高風險患者進行干預(yù)，而低風險患者避免干預(yù)（避免過度醫(yī)療），即評價患者獲益程度的一種評估方法。下圖是2016年柳葉刀發(fā)表的一篇文章，文中首次進行了DCA曲線的應(yīng)用。如下圖所示，橫坐標為閾概率，當各種評價方法達到某個值時，患者i的出血風險概率記為Pi；當Pi達某個閾值（記為Pt），就界定為陽性，采取某種干預(yù)措施后，將改變出血與血栓形成之間的利弊平衡，利弊之差即為凈獲益（Y軸：Net benefit）.圖中有兩條虛線，橫著的那條虛線表示所有樣本均不進行干預(yù)，凈獲益為0，斜的虛線表示所有樣本均進行干預(yù)。三條彩色曲線表示三種方案（模型），HAS-BLED曲線與兩條虛線有交叉，因此該方案沒有價值，而另外兩條有價值，相比之下，ABC在ORBIT之上，價值更大。

#加載包rm(list = ls())library(survival)library(ggDCA)library(rmda)data(lung)lung <- na.omit(lung)lung$status[lung$status==1] <- 0lung$status[lung$status==2] <- 1#構(gòu)建兩個模型fit1 <- coxph(Surv(time,status)~age,data = lung)fit2 <- coxph(Surv(time,status)~age+sex+inst+ph.ecog+ph.karno,data = lung)#繪制單個模型的DCA曲線plot1 <- dca(fit1,times = 365)ggplot(plot1)

#繪制兩個模型的DCA曲線plot2 <- dca(fit1,fit2,times = 365)ggplot(plot2)

以上就是關(guān)于“R語言中怎么用cox模型評估DCA曲線”這篇文章的內(nèi)容，相信大家都有了一定的了解，希望小編分享的內(nèi)容對大家有幫助，若想了解更多相關(guān)的知識內(nèi)容，請關(guān)注億速云行業(yè)資訊頻道。