决策曲线分析在R语言中的实现
受试者工作特征曲线( receiver operator character-istic curve,ROC曲线)作为一种临床预测模型,被广大医学研究工作者使用. ROC曲线利用真阳性率和假阴性率作图,得到灵敏度和特异度的关系,确定诊断试验的最佳临界值,并通过曲线下面积( area under curve,AUC)比较不同模型的优劣. 但ROC曲线唯一关注的就是预测模型的准确性,并不能在实际临床模型效用判断中提供帮助[1]. 而决策曲线分析( decision curve analysis,DCA)恰好弥补了这一缺陷. DCA 是一种能体现临床结局变量并可用于评估和比较不同预测模型的方法,受到越来越多来自医学研究工作者的重视. 近些年,在医学外文期刊例如Lancet、JAMA、J ClinOncl等中陆续有文章采纳、介绍并推荐DCA的应用[2-4].
35
2019-01-07（万方平台首次上网日期，不代表论文的发表时间）
共4页
955-957,960
