R語言臨床預(yù)測模型實戰(zhàn)

第1章 臨床預(yù)測模型概述 1
1.1 如何構(gòu)建預(yù)測模型 2
1.1.1 先單后多 2
1.1.2 逐步回歸 2
1.1.3 Lasso 2
1.1.4 隨機(jī)森林 3
1.1.5 最優(yōu)子集 3
1.2 如何評價預(yù)測模型 3
1.2.1 擬合優(yōu)度檢驗 3
1.2.2 ROC 4
1.2.3 Calibration 4
1.2.4 DCA曲線 4
1.3 如何驗證預(yù)測模型 4
1.3.1 交叉驗證 5
1.3.2 Bootstrap法 5
1.4 小結(jié) 5
第2章 線性回歸 6
2.1 線性回歸概述 7
2.1.1 相關(guān)的概念 7
2.1.2 回歸的概念 9
2.2 線性回歸實戰(zhàn) 11
2.2.1 簡單線性回歸 11
 
IV
2.2.2 多重線性回歸 17
2.3 小結(jié) 25
第3章 Logistic回歸 27
3.1 概述 28
3.1.1 二分類Logistic回歸的基本原理28
3.1.2 多分類Logistic回歸的基本原理30
3.1.3 有序Logistic回歸的基本原理30
3.1.4 1∶m匹配條件Logistic回歸的基本原理31
3.2 Logistic回歸分析實戰(zhàn) 31
3.2.1 二分類Logistic回歸 31
3.2.2 多分類Logistic回歸 41
3.2.3 有序Logistic 49
3.2.4 1∶m匹配條件Logistic 53
3.3 小結(jié) 56
第4章生存資料分析 59
4.1 概述 60
4.1.1 Kaplan-Meier生存曲線的基本原理60
4.1.2 Cox比例風(fēng)險模型的基本原理 61
4.2 生存資料分析實戰(zhàn) 62
4.2.1 Kaplan-Meier生存曲線 62
4.2.2 Cox比例風(fēng)險模型 72
4.3 小結(jié) 81
第5章競爭風(fēng)險模型 83
5.1 概述 84
5.2 競爭風(fēng)險模型實戰(zhàn) 85
5.2.1 Fine-Gray檢驗（單因素分析） 85
5.2.2 crr()函數(shù)法（多因素分析） 95
 
V
目錄
5.3 小結(jié) 97
第6章 自變量篩選 99
6.1 傳統(tǒng)方法 100
6.1.1 基于連續(xù)性資料 100
6.1.2 基于二分類資料 105
6.1.3 基于生存資料 112
6.2 逐步法 116
6.2.1 基于連續(xù)性資料 117
6.2.2 基于二分類資料 121
6.2.3 基于多分類資料 124
6.2.4 基于有序資料 126
6.2.5 基于1∶m匹配資料 128
6.2.6 基于生存資料 130
6.2.7 基于競爭風(fēng)險資料 131
6.3 Lasso法 134
6.3.1 基于連續(xù)性資料 135
6.3.2 基于二分類資料 144
6.3.3 基于多分類資料 151
6.3.4 基于生存資料 160
6.4 隨機(jī)森林法 167
6.4.1 基于連續(xù)性資料 168
6.4.2 基于二分類資料 172
6.4.3 基于多分類資料 177
6.4.4 基于生存資料 180
6.4.5 基于競爭風(fēng)險資料 187
6.5 最優(yōu)子集法 191
6.5.1 基于連續(xù)性資料 192
6.5.2 基于二分類資料 193
6.5.3 基于多分類資料 193
6.5.4 基于有序資料 196
6.5.5 基于生存資料 196
 
VI
6.5.6 基于競爭風(fēng)險資料 198
6.6 主成分分析法 200
6.7 小結(jié) 204
第7章列線圖205
7.1 列線圖簡介 206
7.2 基于連續(xù)資料 206
7.2.1 普通靜態(tài)列線圖 206
7.2.2 網(wǎng)頁動態(tài)列線圖 210
7.2.3 花樣列線圖 212
7.2.4 靜態(tài)列線圖的變種 215
7.3 基于二分類資料 216
7.3.1 普通靜態(tài)列線圖 216
7.3.2 網(wǎng)頁動態(tài)列線圖 222
7.3.3 花樣列線圖 223
7.3.4 靜態(tài)列線圖的變種 227
7.4 基于有序資料 228
7.4.1 普通靜態(tài)列線圖 228
7.4.2 花樣列線圖 233
7.4.3 靜態(tài)列線圖的變種 236
7.5 基于生存資料 237
7.5.1 普通靜態(tài)列線圖 237
7.5.2 網(wǎng)頁動態(tài)列線圖 246
7.5.3 花樣列線圖 248
7.5.4 靜態(tài)列線圖的變種 253
7.5.5 生存概率列線圖 255
7.6 基于競爭風(fēng)險模型 256
7.6.1 普通靜態(tài)列線圖 256
7.6.2 靜態(tài)列線圖的變種 264
7.6.3 生存概率列線圖 265
7.6.4 花樣列線圖 266
7.7 小結(jié) 270
 
第8章 Calibration校準(zhǔn)曲線 271
8.1 Calibration校準(zhǔn)曲線簡介 272
8.2 基于二分類資料 272
8.2.1 單一模型校準(zhǔn)曲線 272
8.2.2 多模型校準(zhǔn)曲線 281
8.3 基于生存資料 284
8.3.1 單模型單時點校準(zhǔn)曲線 285
8.3.2 單模型多時點校準(zhǔn)曲線 292
8.3.3 多模型同時點校準(zhǔn)曲線 294
8.4 基于競爭風(fēng)險模型 299
8.4.1 單模型單時點校準(zhǔn)曲線 299
8.4.2 多模型同時點校準(zhǔn)曲線 301
8.5 小結(jié) 304
第9章 C指數(shù)計算 305
9.1 C指數(shù)簡介 306
9.2 基于二分類資料 306
9.3 基于生存資料 310
9.4 基于競爭風(fēng)險模型 315
9.5 小結(jié) 318
第10章 ROC曲線 319
10.1 ROC曲線簡介 320
10.2 基于二分類資料 320
10.2.1 單一模型ROC曲線 320
10.2.2 多模型ROC曲線 328
10.3 基于生存資料 332
10.3.1 單模型單時點ROC曲線 332
10.3.2 單模型多時點ROC曲線 336
10.3.3 多模型同時點ROC曲線 339
 
VIII
10.4 基于競爭風(fēng)險模型343
10.4.1 單模型單時點ROC曲線 343
10.4.2 單模型多時點ROC曲線 345
10.4.3 多模型同時點ROC曲線 348
10.5 小結(jié) 349
第11章 DCA曲線 350
11.1 DCA曲線簡介 351
11.2 基于二分類資料351
11.2.1 單一模型DCA曲線351
11.2.2 多模型DCA曲線356
11.3 基于生存資料359
11.3.1　單模型單時點DCA曲線 359
11.3.2　單模型多時點DCA曲線 363
11.3.3　多模型同時點DCA曲線 365
11.4 小結(jié) 368
第12章 NRI、IDI計算 369
12.1 NRI、IDI簡介 370
12.2 基于二分類資料 370
12.3 基于生存資料 378
12.4 小結(jié) 384
第13章交叉驗證及Bootstrap 385
13.1 概述 386
13.2 簡單交叉驗證 389
13.3 K折交叉驗證 391
13.4 留一法交叉驗證 393
13.5 Bootstrap 395
13.6 小結(jié) 397