DCA是一种评估临床预测模型、诊断试验和分子标记物的简单方法。传统的诊断试验指标如:敏感性,特异性和ROC曲线下面积仅测量预测模型的诊断准确性,未能考虑特定模型的临床效用,而 DCA的优势在于它将患者或决策者的偏好整合到分析中[2]。 这种理念的提出满足了临床决策的实际需要,在临床分析中的应用日益广泛。 二、DCA...
此处如果只传入一个预测因素,则仅代表某个因素的因素对于结局的预测能力,而非整个模型的预测能力。 使用stdca()函数进行DCA分析。 stdca(data=data.set, outcome="cancer", ttoutcome="ttcancer", timepoint=1.5, predictors="pr_failure18", xs...
file = "https://raw.githubusercontent.com/ddsjoberg/dca-tutorial/main/data/df_cancer_dx_case_control.csv" ) %>% # assign variable labels. these labels will be carried through in the `dca()` output labelled::set_variable_labels( patientid = "Patient ID", casecontrol = "Case-Control S...
2006年,纪念斯隆凯特琳癌症研究所的AndrewVickers博士在Medical Decision Making期刊上发文首次提出了临床决策曲线分析(Decision Curve Analysis, DCA)方法[1]。 DCA是一种评估临床预测模型、诊断试验和分子标记物的简单方法。传统的诊断试验指标如:敏感性,特异性和ROC曲线下面积仅测量预测模型的诊断准确性,未能考虑特定模...