科技 类型
可以朗读 语音朗读
130千字 字数
2023-11-01 发行日期
展开全部

主编推荐语

全面拆解临床预测模型知识体系；真实案例一镜到底，助你充分掌握预测模型全流程。

内容简介

本书从生物医药三种建模讲起，引出临床预测模型，系统介绍了临床预测模型的基本思想与理论体系并配合SPSS、Stata和R语言实战，让读者全面掌握临床预测模型的建模、评价、验证与展示技术，从而轻轻松松进行临床预测模型研究，顺利发表SCI（Science Citation Index，科学引文索引）论文。

本书内容通俗易懂，实用性强，适用人群为生物医药领域医生、护士、硕博士研究生、医学高校教师，特别适合临床预测模型的入门读者和进阶读者阅读。

目录

  • 版权信息
  • 作者简介
  • 内容简介
  • 序
  • 第1章 临床预测模型基础
  • 1.1 三种建模策略解读
  • 1.1.1 风险因素发现模型
  • 1.1.2 风险因素验证模型
  • 1.1.3 临床预测模型
  • 1.2 临床预测模型分类与分型
  • 1.2.1 预测模型目的分类
  • 1.2.2 预测模型数据来源分类
  • 1.2.3 数据集分类
  • 1.3 区分度-C指数
  • 1.4 净重新分类指数
  • 1.5 综合判别改善指数
  • 1.6 校准度
  • 1.6.1 Hosmer-Lemeshow检验
  • 1.6.2 Calibration plot
  • 1.7 临床决策曲线
  • 1.8 模型可视化（Visualization）
  • 1.9 交叉验证
  • 1.9.1 简单交叉验证（Simple Cross Validation）
  • 1.9.2 K折交叉验证（K-Folder Cross Validation）
  • 1.9.3 留一法交叉验证（Leave-one-out Cross Validation）
  • 1.10 自助抽样法
  • 1.11 LASSO回归
  • 1.12 临床预测模型报告规范
  • 第2章 模型构建相关问题
  • 2.1 单变量进入模型的形式
  • 2.1.1 数值变量进入模型的形式
  • 2.1.2 等级变量进入模型的形式
  • 2.1.3 分类变量进入模型的形式
  • 2.2 模型构建策略探讨
  • 2.2.1 先单后多法
  • 2.2.2 全部进入法
  • 2.2.3 百分之十改变量法
  • 2.2.4 LASSO回归法
  • 2.3 统计建模
  • 2.3.1 危险因素筛选模型
  • 2.3.2 风险因素验证模型
  • 2.3.3 临床预测模型
  • 第3章 SPSS临床预测模型实战
  • 3.1 SPSS在诊断模型中的应用
  • 3.1.1 数据拆分
  • 3.1.2 统计建模
  • 3.1.3 模型评价
  • 3.2 SPSS在预后模型中的应用
  • 第4章 Stata诊断模型实战
  • 4.1 Logistic回归模型构建
  • 4.1.1 先单因素分析
  • 4.1.2 后多因素分析
  • 4.1.3 正式后多因素分析
  • 4.1.4 模型比较
  • 4.1.5 最终模型
  • 4.1.6 预测概率
  • 4.2 Logistic回归模型区分度评价
  • 4.2.1 训练集的AUC分析
  • 4.2.2 训练集ROC曲线分析
  • 4.2.3 验证集AUC分析
  • 4.2.4 验证集ROC分析
  • 4.2.5 多条ROC曲线
  • 4.3 Logistic回归模型校准度评价：HL检验与校准曲线
  • 4.3.1 基于HL函数的校准度
  • 4.3.2 校准曲线加强版
  • 4.3.3 Bootstrap校准曲线
  • 4.4 Logistic回归模型临床适用性评价：临床决策曲线（DCA）
  • 4.4.1 训练集临床决策曲线
  • 4.4.2 验证集临床决策曲线
  • 4.4.3 决策曲线优化
  • 4.4.4 净减少曲线（Net Reduction）
  • 4.5 Logistic回归模型可视化：Nomo图
  • 4.6 NRI和IDI
  • 4.6.1 NRI（净重新分类指数）
  • 4.6.2 IDI（综合判别改善指数）
  • 4.7 如何利用别人文章的模型
  • 4.8 交叉验证
  • 4.9 Bootstrap
  • 4.10 LASSO-Logit
  • 4.10.1 LASSO回归
  • 4.10.2 路径图
  • 4.10.3 CV-LASSO
  • 4.11 缺失值处理
  • 4.11.1 直接删除法
  • 4.11.2 单一插补法
  • 4.11.3 多重插补法
  • 第5章 Stata预后临床预测模型实战
  • 5.1 模型构建
  • 5.1.1 建立时间变量和结局变量
  • 5.1.2 单因素分析
  • 5.1.3 多因素分析
  • 5.1.4 模型比较
  • 5.1.5 确定最终模型
  • 5.2 区分度
  • 5.2.1 C-index
  • 5.2.2 C-index和Somers_D及95%可信区间
  • 5.2.3 时点ROC曲线（Time ROC）
  • 5.3 校准度
  • 5.3.1 建立模型
  • 5.3.2 训练集时点校准曲线
  • 5.3.3 验证集时点校准曲线
  • 5.3.4 训练集校准曲线加强版
  • 5.3.5 验证集校准曲线加强版
  • 5.4 决策曲线
  • 5.4.1 建立模型
  • 5.4.2 设立时间节点死亡概率
  • 5.4.3 模型组与验证组DCA
  • 5.4.4 多模型DCA曲线
  • 5.4.5 净获益的数据
  • 5.5 Nomo图
  • 5.5.1 构建模型
  • 5.5.2 命令绘制Nomo图
  • 5.5.3 窗口Nomo绘制
  • 5.6 NRI与IDI
  • 5.6.1 NRI
  • 5.6.2 IDI
  • 5.7 Bootstrap
  • 第6章 R语言诊断临床预测模型实战
  • 6.1 Logistic回归模型构建
  • 6.1.1 单因素分析
  • 6.1.2 多因素分析
  • 6.2 Logistic回归模型区分度评价
  • 6.2.1 训练集AUC与ROC
  • 6.2.2 验证集AUC和ROC
  • 6.2.3 绘制多条ROC曲线
  • 6.2.4 两条ROC曲线比较
  • 6.2.5 Bootstrap法ROC内部验证
  • 6.3 Logistic回归校准度评价：HL检验与校准曲线
  • 6.3.1 calibrate包val.prob函数校准曲线实现
  • 6.3.2 Hosmer-Lemeshow test检验
  • 6.3.3 riskRegression包plotCalibration函数校准曲线实现
  • 6.3.4 lrm+calibrate+plot校准曲线实现
  • 6.3.5 校准曲线方法四（Bootstrap法)
  • 6.4 Logistic回归模型临床决策曲线（DCA）
  • 6.4.1 软件准备工作
  • 6.4.2 rmda包决策曲线实现
  • 6.4.3 临床影响曲线（clinical impact curve）
  • 6.4.4 DCA及可信区间
  • 6.4.5 交叉验证DCA
  • 6.4.6 DCA包临床决策曲线绘制
  • 6.5 Logistic回归模型可视化：Nomo图
  • 6.5.1 rms包常规普通列线图回归
  • 6.5.2 regplot包绘制交互列线图
  • 6.5.3 普通列线图变种
  • 6.5.4 DynNom包动态列线图
  • 6.5.5 制作网络版动态列线图
  • 6.6 Logistic回归模型诊断效果评价
  • 6.6.1 诊断试验评价
  • 6.6.2 ROC曲线比较
  • 6.6.3 Logistic回归分析
  • 6.7 NRI和IDI
  • 6.7.1 净重新分类指数
  • 6.7.2 综合判别改善指数
  • 6.8 如何验证别人已经发表的模型
  • 6.9 LASSO在Logistic回归中应用
  • 6.9.1 软件包准备
  • 6.9.2 数据准备
  • 6.9.3 LASSO-Logit
  • 6.9.4 CV-LASSO
  • 6.10 交叉验证与Bootstrap
  • 6.10.1 简单交叉验证
  • 6.10.2 十重交叉验证
  • 6.10.3 留一法交叉验证
  • 6.10.4 Bootstrap CV
  • 6.10.5 Bootstrap ROC
  • 第7章 R语言预后临床预测模型实战
  • 7.1 COX回归模型构建
  • 7.1.1 数据读取
  • 7.1.2 软件包准备
  • 7.1.3 先单因素分析
  • 7.1.4 后多因素分析
  • 7.1.5 批量单因素分析
  • 7.1.6 多因素分析
  • 7.1.7 模型比较
  • 7.2 预后模型区分度分析
  • 7.2.1 Concordance index
  • 7.2.2 Time-ROC
  • 7.2.3 时间依赖AUC
  • 7.3 预后模型校准度分析
  • 7.3.1 基于rms包的校准曲线
  • 7.3.2 基于pec包的校准曲线
  • 7.4 预后模型决策曲线分析
  • 7.4.1 基于stdca.R的决策曲线
  • 7.4.2 基于dcurves包的决策曲线
  • 7.4.3 基于ggDCA包的决策曲线
  • 7.5 交叉验证
  • 7.6 预后模型Nomo展示
  • 7.6.1 普通生存概率列线图
  • 7.6.2 中位生存时间列线图
  • 7.6.3 网格线列线图
  • 7.6.4 动态列线图
  • 7.7 NRI和IDI
  • 7.7.1 NRI（净重新分类指数）
  • 7.7.2 IDI
  • 7.8 LASSO-COX
  • 7.8.1 数据准备
  • 7.8.2 LASSO-COX
  • 7.8.3 CV-LASSO
  • 7.9 模型效果验证
  • 7.9.1 风险分组后KM曲线
  • 7.9.2 风险得分图
  • 7.10 生存分析数值变量分类方法
  • 7.10.1 Time-ROC
  • 7.10.2 X-Tile
  • 参考资料
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

清华大学出版社

清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。