预测模型实战:基于r、ss和stata 图形图像 武松编 新华正版
¥
72
6.1折
¥
118
全新
库存41件
作者武松编
出版社清华大学出版社
ISBN9787302639411
出版时间2023-11
版次1
装帧平装
开本16
页数308页
字数420千字
定价118元
货号304_9787302639411
上书时间2024-07-01
商品详情
- 品相描述:全新
-
正版特价新书
- 商品描述
-
主编:
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,更注重经验结,扫除疑难杂症
目录:
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 交验证/19
1.9.1 简单交验证(simple cross validation)/20
1.9.2 k折交验证(k-folder cross validation)/20
1.9.3 留一法交验证(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 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 ss临床预测模型实战/31
3.1 ss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 ss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 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( 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 交验证与bootstrap/209
6.10.1 简单交验证/210
6.10.2 十重交验证/211
6.10.3 留一法交验证/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
参资料/299
内容简介:
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、tata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ci(cience citation index,科学引文索引)。本书分为7章,涵盖临床预测模型基础、模型构建相关问题、临床预测模型实战、tata诊断模型实战、tata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图展示以及合理分析的完整流程,让学员体验真正实案例。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发表的能力。本书内容通俗易懂,实用强,适用人群为生物医药领域医生、护士、硕博士、医学高校教师,特别适合临床预测模型的入门读者和读者阅读,另外,本书也适合作为相关培训机构的教材使用。
作者简介:
武松(松哥统计),安徽中医药大学副教授,中国疾病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,统计分析师,数据分析师。擅长、a、r、tata等多种统计软件,多家杂志编委。目前为止主持课题8项,协作子课题12项,出版统计软件专著2部,均为书,参与编写了7部图书,参与过“十一五” “自然” “卫生部专项”等数十项课题数据分析,经验丰富。在重量刊物作为作者或通讯作者发表文章40余篇,获得发明专利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1项。
— 没有更多了 —
以下为对购买帮助不大的评价