封面
版权页
作者简介
内容简介
序
第1章 临床预测模型基础
1.1 三种建模策略解读
1.1.1 风险因素发现模型
1.1.2 风险因素验证模型
1.1.3 临床预测模型
1.2 临床预测模型分类与分型
1.2.1 预测模型目的分类
1.2.2 预测模型数据来源分类
1.2.3 数据集分类
1.3 区分度-C指数
1.4 净重新分类指数
1.5 综合判别改善指数
1.6 校准度
1.6.1 Hosmer-Lemeshow检验
1.6.2 Calibration plot
1.7 临床决策曲线
1.8 模型可视化（Visualization）
1.9 交叉验证
1.9.1 简单交叉验证（Simple Cross Validation）
1.9.2 K折交叉验证（K-Folder Cross Validation）
1.9.3 留一法交叉验证（Leave-one-out Cross Validation）
1.10 自助抽样法
1.11 LASSO回归
1.12 临床预测模型报告规范
第2章 模型构建相关问题
2.1 单变量进入模型的形式
2.1.1 数值变量进入模型的形式
2.1.2 等级变量进入模型的形式
2.1.3 分类变量进入模型的形式
2.2 模型构建策略探讨
2.2.1 先单后多法
2.2.2 全部进入法
2.2.3 百分之十改变量法
2.2.4 LASSO回归法
2.3 统计建模
2.3.1 危险因素筛选模型
2.3.2 风险因素验证模型
2.3.3 临床预测模型
第3章 SPSS临床预测模型实战
3.1 SPSS在诊断模型中的应用
3.1.1 数据拆分
3.1.2 统计建模
3.1.3 模型评价
3.2 SPSS在预后模型中的应用
第4章 Stata诊断模型实战
4.1 Logistic回归模型构建
4.1.1 先单因素分析
4.1.2 后多因素分析
4.1.3 正式后多因素分析
4.1.4 模型比较
4.1.5 最终模型
4.1.6 预测概率
4.2 Logistic回归模型区分度评价
4.2.1 训练集的AUC分析
4.2.2 训练集ROC曲线分析
4.2.3 验证集AUC分析
4.2.4 验证集ROC分析
4.2.5 多条ROC曲线
4.3 Logistic回归模型校准度评价：HL检验与校准曲线
4.3.1 基于HL函数的校准度
4.3.2 校准曲线加强版
4.3.3 Bootstrap校准曲线
4.4 Logistic回归模型临床适用性评价：临床决策曲线（DCA）
4.4.1 训练集临床决策曲线
4.4.2 验证集临床决策曲线
4.4.3 决策曲线优化
4.4.4 净减少曲线（Net Reduction）
4.5 Logistic回归模型可视化：Nomo图
4.6 NRI和IDI
4.6.1 NRI（净重新分类指数）
4.6.2 IDI（综合判别改善指数）
4.7 如何利用别人文章的模型
4.8 交叉验证
4.9 Bootstrap
4.10 LASSO-Logit
4.10.1 LASSO回归
4.10.2 路径图
4.10.3 CV-LASSO
4.11 缺失值处理
4.11.1 直接删除法
4.11.2 单一插补法
4.11.3 多重插补法
第5章 Stata预后临床预测模型实战
5.1 模型构建
5.1.1 建立时间变量和结局变量
5.1.2 单因素分析
5.1.3 多因素分析
5.1.4 模型比较
5.1.5 确定最终模型
5.2 区分度
5.2.1 C-index
5.2.2 C-index和Somers_D及95%可信区间
5.2.3 时点ROC曲线（Time ROC）
5.3 校准度
5.3.1 建立模型
5.3.2 训练集时点校准曲线
5.3.3 验证集时点校准曲线
5.3.4 训练集校准曲线加强版
5.3.5 验证集校准曲线加强版
5.4 决策曲线
5.4.1 建立模型
5.4.2 设立时间节点死亡概率
5.4.3 模型组与验证组DCA
5.4.4 多模型DCA曲线
5.4.5 净获益的数据
5.5 Nomo图
5.5.1 构建模型
5.5.2 命令绘制Nomo图
5.5.3 窗口Nomo绘制
5.6 NRI与IDI
5.6.1 NRI
5.6.2 IDI
5.7 Bootstrap
第6章 R语言诊断临床预测模型实战
6.1 Logistic回归模型构建
6.1.1 单因素分析
6.1.2 多因素分析
6.2 Logistic回归模型区分度评价
6.2.1 训练集AUC与ROC
6.2.2 验证集AUC和ROC
6.2.3 绘制多条ROC曲线
6.2.4 两条ROC曲线比较
6.2.5 Bootstrap法ROC内部验证
6.3 Logistic回归校准度评价：HL检验与校准曲线
6.3.1 calibrate包val.prob函数校准曲线实现
6.3.2 Hosmer-Lemeshow test检验
6.3.3 riskRegression包plotCalibration函数校准曲线实现
6.3.4 lrm+calibrate+plot校准曲线实现
6.3.5 校准曲线方法四（Bootstrap法)
6.4 Logistic回归模型临床决策曲线（DCA）
6.4.1 软件准备工作
6.4.2 rmda包决策曲线实现
6.4.3 临床影响曲线（clinical impact curve）
6.4.4 DCA及可信区间
6.4.5 交叉验证DCA
6.4.6 DCA包临床决策曲线绘制
6.5 Logistic回归模型可视化：Nomo图
6.5.1 rms包常规普通列线图回归
6.5.2 regplot包绘制交互列线图
6.5.3 普通列线图变种
6.5.4 DynNom包动态列线图
6.5.5 制作网络版动态列线图
6.6 Logistic回归模型诊断效果评价
6.6.1 诊断试验评价
6.6.2 ROC曲线比较
6.6.3 Logistic回归分析
6.7 NRI和IDI
6.7.1 净重新分类指数
6.7.2 综合判别改善指数
6.8 如何验证别人已经发表的模型
6.9 LASSO在Logistic回归中应用
6.9.1 软件包准备
6.9.2 数据准备
6.9.3 LASSO-Logit
6.9.4 CV-LASSO
6.10 交叉验证与Bootstrap
6.10.1 简单交叉验证
6.10.2 十重交叉验证
6.10.3 留一法交叉验证
6.10.4 Bootstrap CV
6.10.5 Bootstrap ROC
第7章 R语言预后临床预测模型实战
7.1 COX回归模型构建
7.1.1 数据读取
7.1.2 软件包准备
7.1.3 先单因素分析
7.1.4 后多因素分析
7.1.5 批量单因素分析
7.1.6 多因素分析
7.1.7 模型比较
7.2 预后模型区分度分析
7.2.1 Concordance index
7.2.2 Time-ROC
7.2.3 时间依赖AUC
7.3 预后模型校准度分析
7.3.1 基于rms包的校准曲线
7.3.2 基于pec包的校准曲线
7.4 预后模型决策曲线分析
7.4.1 基于stdca.R的决策曲线
7.4.2 基于dcurves包的决策曲线
7.4.3 基于ggDCA包的决策曲线
7.5 交叉验证
7.6 预后模型Nomo展示
7.6.1 普通生存概率列线图
7.6.2 中位生存时间列线图
7.6.3 网格线列线图
7.6.4 动态列线图
7.7 NRI和IDI
7.7.1 NRI（净重新分类指数）
7.7.2 IDI
7.8 LASSO-COX
7.8.1 数据准备
7.8.2 LASSO-COX
7.8.3 CV-LASSO
7.9 模型效果验证
7.9.1 风险分组后KM曲线
7.9.2 风险得分图
7.10 生存分析数值变量分类方法
7.10.1 Time-ROC
7.10.2 X-Tile
参考资料
更新时间：2024-12-24 10:17:53
完结共206章
倒序