本文主要以一篇基于logistic回歸構(gòu)建預(yù)測模型的文章為例，分別用R語言和風(fēng)暴統(tǒng)計(jì)免費(fèi)在線平臺對預(yù)測模型驗(yàn)證過程中經(jīng)常用到的ROC曲線繪制和AUC曲線下面積計(jì)算進(jìn)行復(fù)現(xiàn)。

今日文章分為三部分

1. 文章解讀

2. R語言復(fù)現(xiàn)

3. 小白美化ROC曲線的方法

文章解讀

案例文獻(xiàn)是一篇基于SEER公共數(shù)據(jù)庫的一項(xiàng)回顧性研究，旨在開發(fā)和驗(yàn)證列線圖以預(yù)測腦轉(zhuǎn)移的非小細(xì)胞肺癌患者早期死亡。

一、摘要

背景：在非小細(xì)胞肺癌（NSCLC）的整個(gè)病程中，很多患者會(huì)出現(xiàn)預(yù)后差、死亡率高的腦轉(zhuǎn)移（BM）。然而，很少有模型能預(yù)測有腦轉(zhuǎn)移的NSCLC患者的早期死亡（ED）。我們旨在開發(fā)列線圖來預(yù)測NSCLC腦轉(zhuǎn)移患者ED。

方法：從監(jiān)測、流行病學(xué)和最終結(jié)果（SEER）數(shù)據(jù)庫中選取了2010年至2015年間患有BM的NSCLC患者。納入標(biāo)準(zhǔn)如下：（I）患者經(jīng)病理診斷為NSCLC；（II）患者患有BM。患者按7:3的比例隨機(jī)分為兩組，分別為訓(xùn)練組和驗(yàn)證組。采用單因素和多因素Logistic回歸方法來確定伴有BM的NSCLC患者發(fā)生ED的危險(xiǎn)因素。建立了兩個(gè)列線圖，并通過校準(zhǔn)曲線、ROC曲線和決策曲線分析（DCA）進(jìn)行了驗(yàn)證。隨訪數(shù)據(jù)包括生存月數(shù)、死因和生命狀態(tài)。初次診斷后3個(gè)月內(nèi)的死亡定義為ED，終點(diǎn)為全因ED和癌癥特異性ED。

結(jié)果：共納入了4,920名患有BM的NSCLC患者，并隨機(jī)分為兩個(gè)隊(duì)列（7:3），包括訓(xùn)練隊(duì)列（n=3,444）和驗(yàn)證隊(duì)列（n=1,476）。全因ED和癌癥特異性ED的獨(dú)立預(yù)后因素包括年齡、性別、種族、腫瘤大小、組織學(xué)、T分期、N分期、分級、手術(shù)、放療、化療、骨轉(zhuǎn)移和肝轉(zhuǎn)移。所有這些變量都用于建立列線圖。在全因ED和癌癥特異性ED的列線圖中，訓(xùn)練數(shù)據(jù)集的ROC曲線下面積分別為0.813（95% CI：0.799-0.837）和0.808（95% CI：0.791-0.830），驗(yàn)證數(shù)據(jù)集的ROC曲線下面積分別為0.835（95% CI：0.805-0.862）和0.824（95% CI：0.790-0.849）。此外，校準(zhǔn)曲線證明預(yù)測的ED與實(shí)際值一致。DCA臨床應(yīng)用前景良好。

結(jié)論：列線圖可用來預(yù)測患者死亡的具體概率，有助于治療決策和重點(diǎn)護(hù)理，以及醫(yī)患溝通。
本文構(gòu)建logistic預(yù)測模型并做內(nèi)部驗(yàn)證，思路框架清晰，案例十分典型。先拆分?jǐn)?shù)據(jù)集為訓(xùn)練集和驗(yàn)證集，比例為7:3，驗(yàn)證集用于進(jìn)行內(nèi)部驗(yàn)證。然后做基線描述，比較訓(xùn)練集和驗(yàn)證集的基線差異性，再做單因素和多因素logistic回歸，將單因素P值小于0.05的因素納入到多因素回歸模型中。再根據(jù)多因素回歸的結(jié)果構(gòu)建列線圖預(yù)測模型，并對模型進(jìn)行驗(yàn)證，繪制ROC、校準(zhǔn)曲線及DCA曲線，模型比較穩(wěn)定。

今天我們對本文的ROC曲線繪制展開復(fù)現(xiàn)。研究者以非小細(xì)胞癌腦轉(zhuǎn)移患者全因早死和癌癥特異性早死為因變量，下表是本文所研究的影響因素基線情況。

二、研究結(jié)果

1.列線圖預(yù)測模型的建立

利用訓(xùn)練隊(duì)列中多元邏輯回歸的預(yù)后因素，建立了列線圖預(yù)測模型?？偡挚梢酝ㄟ^將每個(gè)變量的分?jǐn)?shù)相加來計(jì)算，表明每個(gè)患者的ED的全因/癌癥特異性概率。

2.列線圖預(yù)測模型的驗(yàn)證

對于全因和癌癥特異性ED的列線圖模型，ROC曲線顯示，訓(xùn)練隊(duì)列中的AUC分別為0.813（95%CI：0.799-0.837）和0.808（95%CI：0.791-0.830），驗(yàn)證隊(duì)列中的AUC分別為0.835（95%CI：0.805-0.862）和0.824（95%CI：0.790-0.849）。

R語言復(fù)現(xiàn)

根據(jù)文章的納排標(biāo)準(zhǔn)，從SEER數(shù)據(jù)庫提取數(shù)據(jù)，并通過篩選、整理得到數(shù)據(jù)集total，將數(shù)據(jù)按照7:3拆分為訓(xùn)練集train和驗(yàn)證集test，并展開分析。本文重點(diǎn)復(fù)現(xiàn)文章中訓(xùn)練集ROC曲線的繪制。
1、安裝和加載R包，導(dǎo)入train數(shù)據(jù)集，共14個(gè)自變量，均為定性數(shù)據(jù)。經(jīng)過單因素及多因素logistic回歸，包括年齡、性別、種族、腫瘤大小、組織學(xué)、T分期、N分期、手術(shù)、放療、化療、骨轉(zhuǎn)移、肝轉(zhuǎn)移均納入構(gòu)建預(yù)測模型。

2.添加新變量，計(jì)算訓(xùn)練集預(yù)測概率。

代碼解讀：

train_model1：是從glm繼承的模型對象，即通過多因素Logistic回歸構(gòu)建的模型；newdata：選定數(shù)據(jù)框；

type: 表示預(yù)測種類。默認(rèn)是歸一化的線性預(yù)測; responses是歸一化的響應(yīng)變量。因此對于一個(gè)二分類模型，默認(rèn)是log-odds (logit歸一化的概率)，然而type="response"給出的是預(yù)測概率。"erms"返回一個(gè)矩陣提供在線性預(yù)測下模型公式中每一項(xiàng)的擬合值。

3.計(jì)算AUC去線下面積

詳情請點(diǎn)擊下方：

https://mp.weixin.qq.com/s?__biz=MzAwOTYyMDY3OQ==&mid=2650407323&idx=1&sn=5b53749db722a62642aec53a97e1714a&chksm=83527c33b425f525f4f95f6c843915a7b4850595bf9258a170455b31e3ff6e5baf0d8a4f97e5&token=1814709572&lang=zh_CN#rd