【原】【2000】临床预测模型SPSS验证实战

导读

    很多人后台问，临床预测模型和普通模型在构建时最大区别是啥？其实很简单，普通模型只要负责建模就可以了。而临床预测模型，不仅要建模，还要进行验证。今天松哥就带大家用SPSS进行模型验证！

    临床预测模型验证包括3大步骤：区分度、校准度和临床决策分析。SPSS只能做前2步，也可以发SCI了。后期其他软件再完善吧！

何为区分度？

    区分度（Discrimination）：就是建立的模型到底能不能区分高风险和低分险的人群。区分度你可以理解为定性的判定（到底有效没效）。

    常用ROC曲线下面积AUC表示，也就是通常说的：C-statistics。很多人说老师，ROC不是做诊断试验的吗？是的，我们可以利用诊断试验的思路，制作ROC来判定模型的区分度。AUC>0.75以上，说明模型区分度较好！

何为校准度？

校准度（Calibration）：反映模型预测风险与实际风险的一致程度，校准度高，说明模型预测的准确度高。可以理解为模型的定量判定（效果是不是相符）。

      

区分度：你这个模型到底能不能预测？

校准度：模型预测准确度多少？

案例走起

某疾病发生与否(Y)与9个自变量X构建二元Logistic回归模型。

实战步骤：

1.分析-回归-二项Logistic：

2.选项设置：

3.保存设置：保存预测概率用于后续ROC分析。

结果解读：

1.模型结果：哇塞，太理想了，所有自变量X均有统计学意义，呵呵，这是松哥给您精选的数据哈！

2.Hosmer and Lemeshow检验，就是用于校准度的检验，本例卡方=6.484，P=0.593>0.5，说明模型预测值与实际值之间差异无统计学意义，暗示一致性不错。

SPSS在下图中还进行10次拆分，并对每一段的预测值和实际值进行了比较，但是遗憾的是没有给出校准度的图形展示，其他软件都给的。我们也可以手动做出来。

3.校准曲线制作：

    复制上表中的数据，放入SPSS构建新数据，直接构建散点图，并进行参数设置即可，如下图：红为标准，蓝为预测，结果好漂亮呀，发现两线吻合度很好！

4.ROC曲线寻找C-statistics

    因为刚才已经保存预测概率，因此在数据库中最后一列保存有PRE_1，就是我们构建模型的预测概率。

那么此时，我们以预测概率为检测值，以Y为标准，制作ROC曲线即可。

4.1ROC曲线设置

4.2ROC曲线：这就不用说太多了，ROC就是大肚将军，肚子越大越好！

4.3这就是C-statistics：本例AUC=0.839,95%CI：0.796-0.882.

松哥统计说

    结果区分度和校准度，本例你会发现，模型有用，而且效果不错。可是都是基于统计学的判定，没有考虑到临床效果呀。因此还缺一个第三步，临床适用性评价（DCA），可是SPSS此时已经技穷了。如果此时再加上Nomogram图的补充，这篇SCI论文的套路就差不多满分了哦。

---

学员评价，全网SPSS最好的课程！

整理不易，感谢点亮再看！