预测模型实战 基于R、SPSS和Stata
全新正版 极速发货
￥ 74.88 6.3折 ￥ 118 全新
库存12件
广东广州
认证卖家担保交易快速发货售后保障
作者武松
出版社清华大学出版社
ISBN9787302639411
出版时间2023-11
装帧平装
开本32开
定价118元
货号1203111247
上书时间2024-09-06
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
武松（松哥统计），安徽中医药大学副教授，中国疾病预防控制中心流行病与卫生统计学博士，世界中联临床科研统计学会理事，国家高级统计分析师，SPSS高级数据分析师。擅长SPSS、SAS、R、Stata等多种统计软件，国内多家杂志编委。目前为止主持课题8项，协作子课题12项，出版SPSS统计软件专著2部，均为畅销书，参与编写了7部图书，参与过“十一五” “国家自然基金” “卫生部专项基金”等数十项课题数据分析，经验丰富。在重量刊物作为第一作者或通讯作者发表文章40余篇，获得国家发明专利1项，获得计算机软件著作权5项，获得上海市出入境检验检疫局科技兴检三等奖1项。
目录
第1章 临床预测模型基础/1
1.1 三种建模策略解读/1
1.1.1 风险因素发现模型/1
1.1.2 风险因素验证模型/2
1.1.3 临床预测模型/3
1.2 临床预测模型分类与分型/5
1.2.1 预测模型目的分类/5
1.2.2 预测模型数据来源分类/6
1.2.3 数据集分类/7
1.3 区分度-C指数/8
1.4 净重新分类指数/10
1.5 综合判别改善指数/12
1.6 校准度/13
1.6.1 Hosmer-Lemeshow检验/13
1.6.2 Calibration plot/13
1.7 临床决策曲线/16
1.8 模型可视化（Visualization）/18
1.9 交叉验证/19
1.9.1 简单交叉验证（Simple Cross Validation）/20
1.9.2 K折交叉验证（K-Folder Cross Validation）/20
1.9.3 留一法交叉验证（Leave-one-out Cross Validation）/20
1.10 自助抽样法/20
1.11 LASSO回归/21
1.12 临床预测模型报告规范/23
第2章 模型构建相关问题/26
2.1 单变量进入模型的形式/26
2.1.1 数值变量进入模型的形式/26
2.1.2 等级变量进入模型的形式/27
2.1.3 分类变量进入模型的形式/28
2.2 模型构建策略探讨/29
2.2.1 先单后多法/29
2.2.2 全部进入法/29
2.2.3 百分之十改变量法/29
2.2.4 LASSO回归法/29
2.3 统计建模/30
2.3.1 危险因素筛选模型/30
2.3.2 风险因素验证模型/30
2.3.3 临床预测模型/30
第3章 SPSS临床预测模型实战/31
3.1 SPSS在诊断模型中的应用/31
3.1.1 数据拆分/32
3.1.2 统计建模/33
3.1.3 模型评价/38
3.2 SPSS在预后模型中的应用/42
第4章 Stata诊断模型实战/46
4.1 Logistic回归模型构建/46
4.1.1 先单因素分析/46
4.1.2 后多因素分析/50
4.1.3 正式后多因素分析/51
4.1.4 模型比较/54
4.1.5 最终模型/56
4.1.6 预测概率/57
4.2 Logistic回归模型区分度评价/57
4.2.1 训练集的AUC分析/58
4.2.2 训练集ROC曲线分析/58
4.2.3 验证集AUC 分析/59
4.2.4 验证集ROC分析/60
4.2.5 多条ROC曲线/60
4.3 Logistic回归模型校准度评价：HL检验与校准曲线/61
4.3.1 基于HL函数的校准度/61
4.3.2 校准曲线加强版/63
4.3.3 Bootstrap校准曲线/67
4.4 Logistic回归模型临床适用性评价：临床决策曲线（DCA）/69
4.4.1 训练集临床决策曲线/70
4.4.2 验证集临床决策曲线/70
4.4.3 决策曲线优化/71
4.4.4 净减少曲线（Net Reduction）/72
4.5 Logistic回归模型可视化：Nomo图/73
4.6 NRI和IDI/75
4.6.1 NRI（净重新分类指数）/75
4.6.2 IDI（综合判别改善指数）/77
4.7 如何利用别人文章的模型/78
4.8 交叉验证/79
4.9 Bootstrap/81
4.10 LASSO-Logit/85
4.10.1 LASSO回归/86
4.10.2 路径图/88
4.10.3 CV-LASSO/91
4.11 缺失值处理/93
4.11.1 直接删除法/93
4.11.2 单一插补法/93
4.11.3 多重插补法/93
第5章 Stata预后临床预测模型实战/100
5.1 模型构建/100
5.1.1 建立时间变量和结局变量/101
5.1.2 单因素分析/101
5.1.3 多因素分析/102
5.1.4 模型比较/104
5.1.5 确定最终模型/105
5.2 区分度/106
5.2.1 C-index/106
5.2.2 C-index和Somers_D及 95%可信区间/107
5.2.3 时点ROC曲线（Time ROC）/109
5.3 校准度/113
5.3.1 建立模型/113
5.3.2 训练集时点校准曲线/113
5.3.3 验证集时点校准曲线/114
5.3.4 训练集校准曲线加强版/114
5.3.5 验证集校准曲线加强版/115
5.4 决策曲线/117
5.4.1 建立模型/117
5.4.2 设立时间节点死亡概率/117
5.4.3 模型组与验证组DCA/117
5.4.4 多模型DCA曲线/119
5.4.5 净获益的数据/120
5.5 Nomo图/120
5.5.1 构建模型/120
5.5.2 命令绘制Nomo图/120
5.5.3 窗口Nomo绘制/122
5.6 NRI与IDI/123
5.6.1 NRI/123
5.6.2 IDI/125
5.7 Bootstrap/126
第6章 R语言诊断临床预测模型实战/129
6.1 Logistic回归模型构建/129
6.1.1 单因素分析/129
6.1.2 多因素分析/138
6.2 Logistic回归模型区分度评价/154
6.2.1 训练集AUC与ROC/155
6.2.2 验证集AUC和ROC/159
6.2.3 绘制多条ROC曲线/163
6.2.4 两条ROC曲线比较/165
6.2.5. Bootstrap法ROC内部验证/166
6.3 Logistic回归校准度评价：HL检验与校准曲线/168
6.3.1 calibrate包val.prob函数校准曲线实现/168
6.3.2 Hosmer-Lemeshow test检验/170
6.3.3 riskRegression包plotCalibration函数校准曲线实现/171
6.3.4 lrm+calibrate+plot校准曲线实现/172
6.3.5 校准曲线方法四（Bootstrap法)/174
6.4 Logistic回归模型临床决策曲线（DCA）/175
6.4.1 软件准备工作/176
6.4.2 rmda包决策曲线实现/176
6.4.3 临床影响曲线（clinical impact curve）/180
6.4.4 DCA及可信区间/182
6.4.5 交叉验证DCA/182
6.4.6 DCA包临床决策曲线绘制/183
6.5 Logistic回归模型可视化：Nomo图/185
6.5.1 rms包常规普通列线图回归/186
6.5.2 regplot包绘制交互列线图/187
6.5.3 普通列线图变种/189
6.5.4 DynNom包动态列线图/190
6.5.5 制作网络版动态列线图/193
6.6 Logistic回归模型诊断效果评价/197
6.6.1 诊断试验评价/198
6.6.2 ROC曲线比较/198
6.6.3 Logistic回归分析/199
6.7 NRI和IDI/200
6.7.1 净重新分类指数/200
6.7.2 综合判别改善指数/202
6.8 如何验证别人已经发表的模型/204
6.9 LASSO在Logistic回归中应用/205
6.9.1 软件包准备/205
6.9.2 数据准备/205
6.9.3 LASSO-Logit/205
6.9.4 CV-LASSO/207
6.10 交叉验证与Bootstrap/209
6.10.1 简单交叉验证/210
6.10.2 十重交叉验证/211
6.10.3 留一法交叉验证/212
6.10.4 Bootstrap CV/213
6.10.5 Bootstrap ROC/214
第7章 R语言预后临床预测模型实战/216
7.1 COX回归模型构建/217
7.1.1 数据读取/217
7.1.2 软件包准备/218
7.1.3 先单因素分析/218
7.1.4 后多因素分析/219
7.1.5 批量单因素分析/220
7.1.6 多因素分析/222
7.1.7 模型比较/226
7.2 预后模型区分度分析/229
7.2.1 Concordance index/229
7.2.2 Time-ROC/234
7.2.3 时间依赖AUC/239
7.3 预后模型校准度分析/244
7.3.1 基于rms包的校准曲线/244
7.3.2 基于pec包的校准曲线/250
7.4 预后模型决策曲线分析/255
7.4.1 基于stdca.R的决策曲线/257
7.4.2 基于dcurves包的决策曲线/263
7.4.3 基于ggDCA包的决策曲线/270
7.5 交叉验证/274
7.6 预后模型Nomo展示/277
7.6.1 普通生存概率列线图/277
7.6.2 中位生存时间列线图/279
7.6.3 网格线列线图/280
7.6.4 动态列线图/280
7.7 NRI和IDI/283
7.7.1 NRI（净重新分类指数）/283
7.7.2 IDI/285
7.8 LASSO-COX/286
7.8.1 数据准备/286
7.8.2 LASSO-COX/286
7.8.3 CV-LASSO/288
7.9 模型效果验证/290
7.9.1 风险分组后KM曲线/290
7.9.2 风险得分图/293
7.10 生存分析数值变量分类方法/295
7.10.1 Time-ROC/295
7.10.2 X-Tile/297
参考资料/299
内容摘要
本书从生物医药三种建模讲起，引出临床预测模型，系统介绍了临床预测模型的基本思想与理论体系，并配合SPSS、Stata和R语言实战，让读者全面掌握临床预测模型的建模、评价、验证与展示技术，从而轻轻松松进行临床预测模型研究，顺利发表SCI（Science Citation Index，科学引文索引）论文。本书分为7章，涵盖临床预测模型基础、模型构建相关问题、SPSS临床预测模型实战、Stata诊断模型实战、Stata预后临床预测模型实战、R语言诊断临床预测模型实战以及R语言预后临床预测模型实战。对于每个软件，基本由一个案例从建模到区分度、校准度、临床决策曲线评价，再到Nomo图展示以及合理性分析的完整流程，让学员体验真正实操案例教学。作者自编的一些自动分析插件以及自动制表代码，极大提升读者数据处理和论文发表的能力。本书内容通俗易懂，实用性强，适用人群为生物医药领域医生、护士、硕博士研究生、医学高校教师，特别适合临床预测模型的入门读者和进阶读者阅读，另外，本书也适合作为相关培训机构的教材使用。
主编推荐
从统计小白到领域精英，厘清思路，注重实战，解决问题！
全面拆解临床预测模型知识体系
真实案例一镜到底，助您充分掌握预测模型全流程
不仅讲授方法，更注重经验总结，扫除疑难杂症
— 没有更多了 —
以下为对购买帮助不大的评价