书籍详情

预测模型实战:基于R、SPSS和Stata

预测模型实战:基于R、SPSS和Stata

作者:武松 著

出版社:清华大学出版社

出版时间:2023-11-01

ISBN:9787302639411

定价:¥118.00

购买这本书可以去
内容简介
  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!
作者简介
  武松(松哥统计),安徽中医药大学副教授,中国疾病预防控制中心流行病与卫生统计学博士,世界中联临床科研统计学会理事,国家高级统计分析师,SPSS高级数据分析师。擅长SPSS、SAS、R、Stata等多种统计软件,国内多家杂志编委。目前为止主持课题8项,协作子课题12项,出版SPSS统计软件专著2部,均为畅销书,参与编写了7部图书,参与过“十一五” “国家自然基金” “卫生部专项基金”等数十项课题数据分析,经验丰富。在国家级刊物作为第一作者或通讯作者发表文章40余篇,获得国家发明专利1项,获得计算机软件著作权5项,获得上海市出入境检验检疫局科技兴检三等奖1项。
目录
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  分类变量进入模型的形式  /  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  最终模型  /  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  确定最终模型  /  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
猜您喜欢

读书导航