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! 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! 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? 某疾病发生与否(Y)与9个自变量X构建二元Logistic回归模型。
2.选项设置:
3.保存设置:保存预测概率用于后续ROC分析。 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.
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!
|