Cox回归预测模型：模型的验证——校准曲线

大家好，欢迎来到IT知识分享网。

视频：Cox回归预测模型：模型的验证——校准曲线

今天介绍的是通过校准曲线（Calibration Curve）对Cox回归模型进行验证。校准曲线是一种重要的工具，用于评估模型预测的风险概率与实际观察结果的一致性。下面就来看R语言绘制校准曲线的具体过程。

1、安装并加载必要的包

1.1安装所需的R包

install.packages("survival") install.packages("rms") install.packages("readr")

1.2加载所需的R包

library(survival) library(rms) library(readr)

2、数据读取与预处理

2.1读入数据

data<-read_csv("C:/Users/Lenovo/Desktop/COX/data.csv")

2.2将读入的数据转换成数据框格式

data<-as.data.frame(data)

2.3查看数据前6行

as.matrix(head(data))

第1列的num.为受试者编号；第2列的os_status，为生存状态，0为删失，1为死亡；第3列的os_time，为生存时间；第4列的characteristic1，是连续性变量；第5列的characteristic2，是二分类变量；第6列的characteristic3，是三分类变量。

3、分类变量处理成factor

二分类也可以不处理成factor，但多分类必须处理成factor

data$characteristic2<-factor(data$characteristic2,level=c("Ⅰ","Ⅱ"), labels= c("Ⅰ","Ⅱ")) data$characteristic3<-factor(data$characteristic3,level=c("Ⅰ","Ⅱ","Ⅲ"), labels=c("Ⅰ","Ⅱ","Ⅲ"))

4、Cox回归模型的构建、校准和可视化（12个月）

4.1将生存时间的单位设置为月

units(data$os_time)<-"Month"

4.2模型构建

使用cph()函数构建Cox回归模型，其中Surv()函数用于指定生存时间和状态。time.inc=12意思是绘制12个月的校准曲线。

coxmodel1<-cph(Surv(os_time,os_status==1)~characteristic1+characteristic2+characteristic3, x=T,y=T,data=data,surv=T,time.inc=12)

4.3校准

使用calibrate()函数进行校准。

cal1<-calibrate(coxmodel1,#cox模型名称 cmethod='KM',#生存预测的方法，通常是KM method='boot',#验证方法，默认boot u=12,#u需要与模型中time.inc一致 m=17,#约等于样本量除以3左右，需要不断的调试 B=1000#B代表bootstrap,重复次数 )

4.4校准曲线的可视化

4.4.1绘图

plot(cal1,#输入calibrate模型 lwd=2,#线段宽度 lty=1,#线段类型 errbar.col="blue",#指定误差线颜色 xlim=c(0,1),ylim=c(0,1),#设置坐标轴范围 xlab="Nomogram-Predicted Probability of 12-month OS",#设置x轴名称 ylab = "Actual 12-month OS (proportion)",#设置y轴名称 col="red",#设置中间连线颜色 subtitles = F)#设置不显示副标题

4.4.2添加线条和参考线

通过lines()添加中间的连线，abline()添加y=x的参考线，表示理想预测。

lines(cal1[,c("mean.predicted","KM")],type = "b",lwd=2,col="red",pch=16) abline(0,1,lty=3,lwd=2,col="black")

5、Cox回归模型的构建、校准和可视化（18个月）

5.1模型构建

coxmodel2<-cph(Surv(os_time,os_status==1)~characteristic1+characteristic2+characteristic3, x=T,y=T,data=data,surv=T,time.inc=18)

5.2校准

cal2<-calibrate(coxmodel2,#cox模型名称 cmethod='KM',#生存预测的方法，通常是KM method='boot',#验证方法，默认boot u=18,#u需要与模型中time.inc一致 m=17,#约等于样本量除以3左右，需要不断的调试 B=1000#B代表bootstrap,重复次数 )

5.3校准曲线的可视化

5.3.1绘图

plot(cal2,#输入calibrate模型 lwd=2,#线段宽度 lty=1,#线段类型 errbar.col="blue",#指定误差线颜色 xlim=c(0,1),ylim=c(0,1),#设置坐标轴范围 xlab="Nomogram-Predicted Probability of 18-month OS",#设置x轴名称 ylab = "Actual 18-month OS (proportion)",#设置y轴名称 col="red",#设置中间连线颜色 subtitles = F)#设置不显示副标题

5.3.2添加线条和参考线

通过lines()添加中间的连线，abline()添加y=x的参考线，表示理想预测。

lines(cal2[,c("mean.predicted","KM")],type = "b",lwd=2,col="red",pch=16) abline(0,1,lty=3,lwd=2,col="black")

以上就是今天关于校准曲线验证Cox回归模型的全部内容！