如何快速構建預測模型：Cox法（2）
上一篇為大家介紹了預測模型中基線表格的繪制方式，那么在預測模型構建過程中，通過Cox回歸來篩選預測因子也是十分關鍵的。在影響因素研究中，大家較為熟知的篩選方式是先單后多，但是在預測模型文章中，更為常用的篩選方法是逐步回歸法。
逐步回歸，是通過逐步將自變量輸入模型，如果模型具統(tǒng)計學意義，并將其納入在回歸模型中。同時移出不具有統(tǒng)計學意義的變量。最終得到一個自動擬合的回歸模型。說到這里大家可能會有點理解了，逐步回歸法的目的是構建一個擬合佳的模型，該變量在回歸過程中是否具有統(tǒng)計學意義無關，這與先單后多有著本質的區(qū)別。
本文將繼續(xù)以本文將以復現一篇seer公共數據庫文章（Q1 IF=5.2)為例，為大家介紹用R語言進行Cox回歸篩選變量的方法，同時，介紹一種更加便捷快速完成統(tǒng)計分析的“神器”——風暴統(tǒng)計。
主要內容包括：
一、文獻解讀
二、利用R語言復現
三、利用在線網站復現
四、小結
一、文獻解讀
案例文獻是沈陽醫(yī)學院公共衛(wèi)生學院學者基于SEER數據庫的一項回顧性研究，旨在建立一個列線圖來預測老年惡性骨腫瘤（MBT）患者的總生存期（OS）。?
1. 摘要
背景：惡性骨腫瘤（MBT）是老年患者死亡的原因之一。我們研究的目的是建立一個列線圖來預測老年MBT患者的總生存期（OS）。
方法：從SEER數據庫下載了2004年至2018年所有老年MBT患者的臨床病理數據。他們被隨機分配到訓練集（70%）和驗證集（30%）。采用單因素和多因素Cox回歸分析確定老年MBT患者的獨立危險因素?；谶@些危險因素構建列線圖，以預測老年MBT患者的1年，3年和5年OS。然后，利用一致性指數（C指數）、校準曲線和受試者工作曲線下面積（AUC）來評價預測模型的準確性和判別力。決策曲線分析（DCA）用于評估列線圖的臨床潛在應用價值。根據列線圖上的分數，將患者分為高風險組和低風險組。Kaplan-Meier（K-M）曲線用于測試兩名患者之間的生存差異。
結果：從SEER數據庫下載了2004年至2018年所有老年MBT患者的臨床病理數據。他們被隨機分配到訓練集（70%）和驗證集（30%）。采用單因素和多因素Cox回歸分析確定老年MBT患者的獨立危險因素?；谶@些危險因素構建列線圖，以預測老年MBT患者的1年，3年和5年OS。然后，利用一致性指數（C指數）、校準曲線和受試者工作曲線下面積（AUC）來評價預測模型的準確性和判別力。決策曲線分析（DCA）用于評估列線圖的臨床潛在應用價值。根據列線圖上的分數，將患者分為高風險組和低風險組。Kaplan-Meier（K-M）曲線用于測試兩名患者之間的生存差異。
結論：我們建立了一個新的列線圖來預測老年MBT患者的1年，3年，5年的OS。該預測模型可以幫助醫(yī)生和患者制定治療計劃和后續(xù)策略。
2. 數據介紹
文獻共納入1641名2004-2018診斷的老年MBT患者的臨床病理數據。暴露因素包括年齡、種族、性別、診斷年份、組織學類型、分級、分期、原發(fā)位置、TNM分期、腫瘤大小、是否化療、是否放療及手術方式。
3.研究結果
篩選預測因子只用到訓練集數據，通過單因素Cox回歸與多因素Cox回歸篩選預測變量。這里作者并未使用先單后多或者是逐步回歸法篩選預測變量，可能從臨床實際考慮的更多。但在實操過程中推薦大家優(yōu)先考慮逐步回歸法進行篩選，這樣更有利于構建一個擬合效果好的預測模型。
二、利用R語言復現
下面我們利用從SEERStat中提取的相關數據進行復現。根據文獻中的納入排除標準，提取涉及的相關數據，最終共納入1，574名患者（原文獻1，641）。介于SEERStat數據庫會有更新，因此提取的樣本量與原文會有所出入，這里請大家多關注統(tǒng)計方法的運用！本次用到的是R版本是4.3.1。
?
開始回歸分析前需要做好前期工作：①導入數據集；②按照7:3的比例將數據集拆分為訓練集train和驗證集test；③完成均衡性分析。接著再開展今天的回歸分析。
1.?安裝加載R包并導入數據
這里繪制均衡性表格，主要用到"autoReg"R包，請注意模型變量的篩選是根據訓練集進行的，在進行數據拆分后，需要用訓練集來進行Cox回歸。
2.?Cox回歸分析
autoReg包是一款功能強大的R包，可以一步到位實現批量單因素，多因素以及逐步回歸法?？梢酝ㄟ^調整“threshold= ”來改變限制P值的限制。
代碼解讀：autoReg函數可以自動根據設定的閾值控制變量進入多因素回歸模型，如果不限制閾值，全部變量進入多因素回歸，可將閾值設置為1，如threshold=1；加上“final= TRUE”表示增加逐步向后回歸的結果。
三、利用在線網站復現
如果沒有代碼基礎，或者希望通過更便捷的方式完成統(tǒng)計分析，推薦使用這個智能在線統(tǒng)計分析平臺——風暴統(tǒng)計。一鍵成三線表，便捷又快速。
它的網址是www.medsta.cn（在電腦端瀏覽器打開）
瀏覽器輸入medsta.cn即可（medical?statistics縮寫）
?
1.進入網站分析模塊
電腦端打開風暴統(tǒng)計平臺——“風暴智能統(tǒng)計”模塊，點擊“臨床預測模型（最新）”，進入“cox預測模型”頁面。
2.完成前期的準備工作
導入數據并根據需要做好整理轉換，將數據集拆分為訓練集與驗證集，做好均衡性分析后，點擊進入“Cox構建預測模型”。
?
3.Cox回歸篩選預測變量
點擊進入“Cox預測模型”模塊，將回歸因變量與回歸自變量分別選入，此外時間節(jié)點的設置與研究數據相對應。
這里要特別注意回歸方法的選擇，如果僅使用先單后多進行篩選，則逐步回歸法選擇否，如果選擇開展逐步回歸法，可以通過多因素回歸P值進行閾值的設定，下方的多因素回歸結果即逐步回歸結果，可以分別查看單因素、多因素（逐步）或先單后多的結果，同樣支持導出excel或word三線表結果。
Word版結果如下，為了更加清晰的展示HR值與95%置信區(qū)間，下表隱去了β值與SE值，實際上網站給出的統(tǒng)計結果更加全面：
四、小結
通過對比R語言結果與風暴統(tǒng)計結果可以發(fā)現，兩者的結果完全一致，并且風暴統(tǒng)計給出的統(tǒng)計量更加的全面豐富，且將P值與HR值分為兩列，更加美觀，如果您在實際中需要用到Cox回歸篩選變量，不妨來風暴統(tǒng)計平臺試一試！
