Cox比例风险模型全集（五）

Cox比例风险模型，又称Cox回归模型，是临床数据分析中较为常用的一种生存分析方法，也是临床数据分析人员应掌握的基本方法。本文就有关Cox回归模型的一系列分析与可视化方法做了一个汇总，主要内容包括：单因素Cox回归、多因素Cox回归分析（含逐步回归）、PH假定检验和含时间依存变量的Cox回归模型、限制性立方样条在Cox回归模型中的应用、LASSO回归在Cox回归模型中的应用、Cox回归模型的评价（C-index、时间依存ROC曲线、校正曲线、决策曲线分析）、Cox回归模型的可视化（森林图、列线图）。另外，考虑到临床预测模型的热度，我们将通过临床预测模型的建立与验证这一过程对上述分析和可视化方法进行一一展现。

今天继续第五贴：多因素Cox比例风险模型的验证与评价。

在第四贴中我们展示了某时间节点ROC和time-dependent ROC，接下来我们来求C-index及其95%置信区间、绘制Calibration curve（校准曲线），决策曲线分析(DCA)将在后续的主贴中进行分享（ggDCA和stdca两种方法进行绘制）。

1.计算C-index、其标准误，并给出95%置信区间

2.绘制校准曲线 (calibration curve)

这里以预测3年结局的预测模型为例，绘制校准曲线，其他的年数的只需要修改time.inc和u对应的数字就好

校准曲线的绘制还是很有技巧的，通过改变m对应的数字可以给出不通数目的点估计和区间估计，比如

以上便是本主贴的主要内容，下一篇介绍基于ggDCA和stdca两种方法绘制决策曲线分析(DCA)。