用统计方法给文章加分，预测模型/预测指标优劣比较 （NRI,IDI计算）
用统计方法给文章加分，预测模型/预测指标优劣比较 （NRI,IDI计算）
预测模型和预测指标之间优劣的比较，最常用的是AUC。但其实除了AUC，还有许多指标可以比较指标之间的优劣，今天给大家介绍NRI,IDI，让统计方法给你的文章加分。PS，之前有一篇论文投的时候反复被拒，非常艰难，后面重新投的时候加了NRI,IDI的统计分析，文章被接受了。建议大家后期投稿的时候涉及预测模型和预测指标的比较，都可以把这个分析加上。
#install.packwt.losss("PredictABEL")
library(survival)
library(rms)
#看一下数据集里面包含的变量
head(lung)
#NRI,IDI需要将结局变量设置为0（未发生事件）和1（发生事件）
lung$status <- lung$status-1
#删除缺失值
lung <- na.omit(lung)
#比较wt.loss和meal.cal对结局的预测价值
#以wt.loss为参照，看meal.cal对结局的预测价值是否更好
#构建wt.loss预测结局的数据矩阵
z.std=as.matrix(subset(lung,select=c(wt.loss)))
#构建meal.cal预测结局的数据矩阵
z.new=as.matrix(subset(lung,select=c(meal.cal)))
#构建wt.loss预测结局的logistic回归
mstd=glm(lung$status~lung$wt.loss,binomial(logit),data.frame(lung$status,z.std),x=TRUE)
#构建meal.cal预测结局的logistic回归
mnew=glm(lung$status~lung$meal.cal,binomial(logit),data.frame(lung$status,z.new),x=TRUE)
library(PredictABEL)
pstd<-mstd$fitted.values
pnew<-mnew$fitted.values
#用cbind函数把前面定义的event变量加入数据集，并定义为dat_new
dat_new=cbind(lung,lung$status)
##看结局变量所在的列
View(dat_new)
#cOutcome填写结局变量所在的列，结局在第11列
reclassification(data=dat_new,cOutcome=11,
predrisk1=pstd,predrisk2=pnew,
cutoff=c(0,0.2,0.4,1))
#计算NRI,同时报告了IDI,IDI计算与cutoff点设置无关。
#cOutcome指定结局变量的列序号
#predrisk1,predrisk2为新旧logistic回归模型
#计算的NRI和IDI的P都>0.05，说明新模型（meal.cal）较旧模型(wt.loss)预测能力没有改善
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！