本书包括四大块，一是预测模型的基础知识，二是基于Logistic回归的临床预测模型实战， 是预测模型中其他 要技术；特色：（1）白话统计：统计难教难学难应用，讲解统计需要 语言行传授或表达，本书作者有20年一线统计教学的经验，可以将统计以为通俗易懂 案例行讲解，而非标准数据，让读者有处理真实数据的感觉；（3）软件优势：本书撰写 度 低，非常适合广大的非统计学专业的从业人员学习；（4）自编插件：针对数据处理中 繁琐的分析过程，可以实现一键实现， 大降低读者的学习难度！

目录 第1章 临床预测模型基础 / 1 1.1 三种建模策略解读 / 1 1.1.1 风险因素发现模型 / 1 1.1.2 风险因素验证模型 / 2 1.1.3 临床预测模型 / 3 1.2 临床预测模型分类与分型 / 5 1.2.1 预测模型目的分类 / 5 1.2.2 预测模型数据来源分类 / 6 1.2.3 数据集分类 / 7 1.3 区分度-C指数 / 8 1.4 净重新分类指数 / 10 1.5 综合判别改善指数 / 12 1.6 校准度 / 13 1.6.1 Hosmer-Lemeshow检验 / 13 1.6.2 Calibration plot / 13 1.7 临床决策曲线 / 16 1.8 模型可视化（Visualization） / 18 1.9 交叉验证 / 19 1.9.1 简单交叉验证（Simple Cross Validation） / 20 1.9.2 K折交叉验证（K-Folder Cross Validation） / 20 1.9.3 留一法交叉验证（Leave-one-out Cross Validation） / 20 1.10 自助抽样法 / 20 1.11 LASSO回归 / 21 1.12 临床预测模型报告规范 / 23 第2章 模型构建相关问题 / 26 2.1 单变量进入模型的形式 / 26 2.1.1 数值变量进入模型的形式 / 26 2.1.2 等级变量进入模型的形式 / 27 2.1.3 分类变量进入��型的形式 / 28 2.2 模型构建策略探讨 / 29 2.2.1 先单后多法 / 29 2.2.2 全部进入法 / 29 2.2.3 百分之十改变量法 / 29 2.2.4 LASSO回归法 / 29 2.3 统计建模 / 30 2.3.1 危险因素筛选模型 / 30 2.3.2 风险因素验证模型 / 30 2.3.3 临床预测模型 / 30 第3章 SPSS临床预测模型实战 / 31 3.1 SPSS在诊断模型中的应用 / 31 3.1.1 数据拆分 / 32 3.1.2 统计建模 / 33 3.1.3 模型评价 / 38 3.2 SPSS在预后模型中的应用 / 42 第4章 Stata诊断模型实战 / 46 4.1 Logistic回归模型构建 / 46 4.1.1 先单因素分析 / 46 4.1.2 后多因素分析 / 50 4.1.3 正式后多因素分析 / 51 4.1.4 模型比较 / 54 4.1.5 *终模型 / 56 4.1.6 预测概率 / 57 4.2 Logistic回归模型区分度评价 / 57 4.2.1 训练集的AUC分析 / 58 4.2.2 训练集ROC曲线分析 / 58 4.2.3 验证集AUC 分析 / 59 4.2.4 验证集ROC分析 / 60 4.2.5 多条ROC曲线 / 60 4.3 Logistic回归模型校准度评价：HL检验 与校准曲线 / 61 4.3.1 基于HL函数的校准度 / 61 4.3.2 校准曲线加强版 / 63 4.3.3 Bootstrap校准曲线 / 67 4.4 Logistic回归模型临床适用性评价：临 床决策曲线（DCA） / 69 4.4.1 训练集临床决策曲线 / 70 4.4.2 验证集临床决策曲线 / 70 4.4.3 决策曲线优化 / 71 4.4.4 净减少曲线（Net Reduction） / 72 4.5 Logistic回归模型可视化：Nomo图 / 73 4.6 NRI和IDI / 75 4.6.1 NRI（净重新分类指数） / 75 4.6.2 IDI（综合判别改善指数） / 77 4.7 如何利用别人文章的模型 / 78 4.8 交叉验证 / 79 4.9 Bootstrap / 81 4.10 LASSO-Logit / 85 4.10.1 LASSO回归 / 86 4.10.2 路径图 / 88 4.10.3 CV-LASSO / 91 4.11 缺失值处理 / 93 4.11.1 直接删除法 / 93 4.11.2 单一插补法 / 93 4.11.3 多重插补法 / 93 第5章 Stata预后临床预测模型实战 / 100 5.1 模型构建 / 100 5.1.1 建立时间变量和结局变量 / 101 5.1.2 单因素分析 / 101 5.1.3 多因素分析 / 102 5.1.4 模型比较 / 104 5.1.5 确定*终模型 / 105 5.2 区分度 / 106 5.2.1 C-index / 106 5.2.2 C-index和Somers_D及 95%可信区间 / 107 5.2.3 时点ROC曲线（Time ROC） / 109 5.3 校准度 / 113 5.3.1 建立模型 / 113 5.3.2 训练集时点校准曲线 / 113 5.3.3 验证集时点校准曲线 / 114 5.3.4 训练集校准曲线加强版 / 114 5.3.5 验证集校准曲线加强版 / 115 5.4 决策曲线 / 117 5.4.1 建立模型 / 117 5.4.2 设立时间节点死亡概率 / 117 5.4.3 模型组与验证组DCA / 117 5.4.4 多模型DCA曲线 / 119 5.4.5 净获益的数据 / 120 5.5 Nomo图 / 120 5.5.1 构建模型 / 120 5.5.2 命令绘制Nomo图 / 120 5.5.3 窗口Nomo绘制 / 122 5.6 NRI与IDI / 123 5.6.1 NRI / 123 5.6.2 IDI / 125 5.7 Bootstrap / 126 第6章 R语言诊断临床预测模型实战 / 129 6.1 Logistic回归模型构建 / 129 6.1.1 单因素分析 / 129 6.1.2 多因素分析 / 138 6.2 Logistic回归模型区分度评价 / 154 6.2.1 训练集AUC与ROC / 155 6.2.2 验证集AUC和ROC / 159 6.2.3 绘制多条ROC曲线 / 163 6.2.4 两条ROC曲线比较 / 165 6.2.5. Bootstrap法ROC内部验证 / 166 6.3 Logistic回归校准度评价：HL检验与校 准曲线 / 168 6.3.1 calibrate包val.prob函数校准曲线实现 / 168 6.3.2 Hosmer-Lemeshow test检验 / 170 6.3.3 riskRegression包plotCalibration函数校准曲 线实现 / 171 6.3.4 lrm calibrate plot校准曲线实现 / 172 6.3.5 校准曲线方法四（Bootstrap法) / 174 6.4 Logistic回归模型临床决策曲线 （DCA） / 175 6.4.1 软件准备工作 / 176 6.4.2 rmda包决策曲线实现 / 176 6.4.3 临床影响曲线（clinical impact curve） / 180 6.4.4 DCA及可信区间 / 182 6.4.5 交叉验证DCA / 182 6.4.6 DCA包临床决策曲线绘制 / 183 6.5 Logistic回归模型可视化：Nomo图 / 185 6.5.1 rms包常规普通列线图回归 / 186 6.5.2 regplot包绘制交互列线图 / 187 6.5.3 普通列线图变种 / 189 6.5.4 DynNom包动态列线图 / 190 6.5.5 制作网络版动态列线图 / 193 6.6 Logistic回归模型诊断效果评价 / 197 6.6.1 诊断试验评价 / 198 6.6.2 ROC曲线比较 / 198 6.6.3 Logistic回归分析 / 199 6.7 NRI和IDI / 200 6.7.1 净重新分类指数 / 200 6.7.2 综合判别改善指数 / 202 6.8 如何验证别人已经发表的模型 / 204 6.9 LASSO在Logistic回归中应用 / 205 6.9.1 软件包准备 / 205 6.9.2 数据准备 / 205 6.9.3 LASSO-Logit / 205 6.9.4 CV-LASSO / 207 6.10 交叉验证与Bootstrap / 209 6.10.1 简单交叉验证 / 210 6.10.2 十重交叉验证 / 211 6.10.3 留一法交叉验证 / 212 6.10.4 Bootstrap CV / 213 6.10.5 Bootstrap ROC / 214 第7章 R语言预后临床预测模型实战 / 216 7.1 COX回归模型构建 / 217 7.1.1 数据读取 / 217 7.1.2 软件包准备 / 218 7.1.3 先单因素分析 / 218 7.1.4 后多因素分析 / 219 7.1.5 批量单因素分析 / 220 7.1.6 多因素分析 / 222 7.1.7 模型比较 / 226 7.2 预后模型区分度分析 / 229 7.2.1 Concordance index / 229 7.2.2 Time-ROC / 234 7.2.3 时间依赖AUC / 239 7.3 预后模型校准度分析 / 244 7.3.1 基于rms包的校准曲线 / 244 7.3.2 基于pec包的校准曲线 / 250 7.4 预后模型决策曲线分析 / 255 7.4.1 基于stdca.R的决策曲线 / 257 7.4.2 基于dcurves包的决策曲线 / 263 7.4.3 基于ggDCA包的决策曲线 / 270 7.5 交叉验证 / 274 7.6 预后模型Nomo展示 / 277 7.6.1 普通生存概率列线图 / 277 7.6.2 中位生存时间列线图 / 279 7.6.3 网格线列线图 / 280 7.6.4 动态列线图 / 280 7.7 NRI和IDI / 283 7.7.1 NRI（净重新分类指数） / 283 7.7.2 IDI / 285 7.8 LASSO-COX / 286 7.8.1 数据准备 / 286 7.8.2 LASSO-COX / 286 7.8.3 CV-LASSO / 288 7.9 模型效果验证 / 290 7.9.1 风险分组后KM曲线 / 290 7.9.2 风险得分图 / 293 7.10 生存分析数值变量分类方法 / 295 7.10.1 Time-ROC / 295 7.10.2 X-Tile / 297 参考资料 / 299