预测模型 | 决策曲线分析（DCA）：基于ggDCA包

Python018

预测模型 | 决策曲线分析（DCA）：基于ggDCA包,第1张

本文介绍使用 ggDCA包 绘制多因素Cox回归模型的决策曲线分析（Decision curve analysis，DCA）。

ggDCA是目前能同时绘制Cox回归模型、logistic回归模型及广义线性模型的DCA曲线且其图形能用ggplot2美化。同时，该包还能计算DCA的曲线下面积、净获益及阈值概率的范围，如果把这些加入到文章中相信能增色不少！

该包是公众号“一棵树zj”作者写的7个R包之一，在公众号里作者还非常贴心的写了该包常见报错的处理办法。作者其余的R包也非常简洁高效，值得学习。

在这里感谢 “一棵树” 老师对ggDCA包的创建与分享。

数据中status，0为感兴趣事件，因此status==0

决策曲线分析法（Decision Curve Analysis，DCA）是个与ROC曲线相提并论的相对比较新的模型评价方法。

关于它的原理，长篇大论的医学统计学知识解读实在不是我的强项，放上两个链接偷偷懒：

如果想看文章，这篇里的fig7就是: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8051731/ 。

简单说这个图片怎么看，曲线接近两条参考线的模型，说明没有应用价值，在很大一个阈值区间内高于参考线的，说明模型好一些。

下面是DCA曲线的绘制方法

只能用于logistic回归，图片风格略古老

去年8月份的包，支持logistic回归和cox回归，简洁易用，图片基于ggplot2，可以非常方便的修改。

o的k！多说一句，ggDCA这个包的作者是一棵树，作者亲手写的教程是在： https://mp.weixin.qq.com/s/dcN1BvmuSO7osWFPPq3pYg 供大家参考。