2023年鄭老師多門科研統(tǒng)計課程：多次直播，含孟德爾隨機化方法?

之前我陸續(xù)發(fā)布了Cox和logistic回歸 預測模型。

傻瓜式構建預測模型，logistic+Cox方法！和R語言結果一致，但更方便

很多人，鄭老師，預測模型外部驗證工具有沒有？現在過了一周，我折騰出來了！送個大家。新的預測模型工具，不僅logistic法還是Cox回歸法，不僅可以隨即拆分開展內部驗證，還可以手動拆分后上傳數據開展內部驗證，也可以訓練+外部驗證了！

Cox+logistic回歸臨床預測模型功能

1. 數據導入與整理

2. 隨即拆分為訓練集、驗證集

3. 訓練集與內部驗證人群特征差異性比較

4. 批量單因素回歸

5.?根據P值挑選自變量納入模型

6. 逐步回歸篩選自變量

7.?快速繪制生存曲線

8. 生存曲線不僅可以直接顯示P值，還可以顯示HR?

9.?形成回歸三線表，一鍵下載word報告

10. 自動列線圖、校準圖、Roc曲線圖、DCA圖。

11. 一鍵下載臨床預測模型高清四圖

就部署在本人開發(fā)的"風暴統(tǒng)計平臺"

它的網址是www.medsta.cn/（在電腦端瀏覽器打開，位于“風暴智能統(tǒng)計”模塊）

瀏覽器輸入medsta.cn即可或者百度“風暴統(tǒng)計”

本平臺上線的所有工具都是免費的, 目前的功能包括：

樣本量計算|?正態(tài)性檢驗?|?t檢驗?|?方差分析?

秩和檢驗?|?卡方檢驗?|?差異性分析帶統(tǒng)計量

線性回歸分析?|?logistic回歸?|?Cox回歸?

批量單因素分析?|?先單后多?|?臨床預測模型?

?roc曲線?|?列線圖?|?校準圖?|?DCA曲線

Logistic預測模型Cox預測模型

https://shiny.medsta.cn/logpre1/

https://shiny.medsta.cn/coxpre2/

1. 歡迎交流

歡迎有意向開展數據分析的朋友加下方交流，也請?zhí)岢鰧氋F意見，或者干脆加入我們制作隊伍。。。

2.?操作介紹

2.1 如何構建外部驗證集

外部驗證集是重要的一項工作，由于外部驗證是和建模要同時進行的，我們首先要將兩個數據集合并產生一個新的數據集。

什么意思呢？外部數據集，在驗證之前，我想各位肯定已經對已有的數據集構建過模型，知道大概哪些變量是需要納入模型的。而此時，外部驗證數據集和訓練集數據集是分開的。

現在要做的第一步，就是對訓練集和外部驗證集數據集改造，挑選訓練集有意義的統(tǒng)計學變量，剔除沒有意義的變量；同時按照訓練集的變量，在外部驗證集也采取同樣操作。此外，要保證兩個數據集所有變量名一致，所有變量的變量值賦值方式一致。

第二步，兩個數據集均增加一個變量，變量名自擬，變量值分別是1，2，也就說，訓練集的變量比如是train_valid, ?它的變量值是1；外部驗證集的變量比如是train_valid, 它的變量值是2；這個非常重要，必須是1和2。

第三步，合并兩個數據集，縱向合并法！由于訓練集和外部驗證擁有相同的變量名，合并會和順利。

第一步、第二步很重要，否則后續(xù)工作無法進行。這樣做的好處是規(guī)范了后續(xù)統(tǒng)計分析的變量和賦值方式，不容易出錯。

2.2? 如何在風暴統(tǒng)計拆分訓練集和外部驗證集

Cox回歸舉例

https://shiny.medsta.cn/coxpre1/

上述網址的“數據集拆分”這里，有三個選項

• 隨機產生訓練集和內部驗證集

• 手工產生訓練集和內部驗證集（需先生成合并數據集再上傳）

• 訓練集+外部驗證分析（先生成合并數據集再上傳）

此處選擇“外部驗證”選項，此時會讓你選擇一個變量，用于區(qū)分訓練集和外部驗證集即：train-valid

事情就算成功了！接下來就是常規(guī)的分析！

進行訓練集與驗證人群特征差異性比較

詳情請點擊下方：

https://mp.weixin.qq.com/s?__biz=MzAwOTYyMDY3OQ==&mid=2650407682&idx=1&sn=0dd276c3beefb3115e54249b4789c4f5&chksm=83527eaab425f7bc8f49d2a1c3b04fa26f18f175e405f5f1b68d8e0f9336b6159f81e17155e8&token=2087805395&lang=zh_CN#rd