决策曲线分析.pptxVIP

决策曲线分析1

目录背景介绍1应用与实例3原理与曲线的实现2方法的比较42

1.背景介绍3

背景介绍目前在临床决策中经常使用许多预测模型，如何对这些预测模型进行评价是一个重要的问题。受试者工作特征(receiveroperatingcharacteristic，ROC)曲线是一种常用的临床决策方法，通过曲线下面积(areaundercurve，AUC)可以评判不同预测模型的优劣。但是AUC只关注了模型的准确性，并没有关注预测信息所导致的后果：比如假阴性可能比假阳性更应避免。另外，一个AUC较高的预测模型可能特异性很高，但敏感性很低，因此在实践中有时无法应用，而人们也很难确定最优的特异性与敏感性组合。4

背景介绍决策分析技术常用来估计模型的临床价值，但传统的决策分析技术通常需要收集很多额外的信息，实际操作非常复杂。2006年，纪念斯隆凯特琳癌症研究所的AndrewVickers博士等人研究出另一种新的计算与评价方法，即决策曲线分析法（DecisionCurveAnalysis，DCA），该方法只需要现有数据信息就可以对模型进行临床价值直观评估，从而判断不同预测模型结局的实际临床效益。相对于二战时期诞生的ROC曲线，DCA还很年轻，也一直在完善，不过在2012-2019年间，AnnInternMed.、JAMA、BMJ、JClinOncol等杂志都已陆续发文，推荐使用决策曲线分析法。5

2.原理与曲线实现6

原理在决策分析中，通过对所有可能的行为及结果进行分析，可以选取结果最优的行为。决策树便是一种很好的数学模型：首先列出所有可能的决定，而后分析每一决定可能的后果，最后对每一后果列出发生概率Pxy及可能的获益bxy，其中：x代表可能的行为，y代表可能的结果。就某项临床操作而言，x=l表示进行该项操作，x=0表示不进行该项操作，y=1表示结果为阳性，y=0表示结果为阴性。不同的患者有不同的情况，不同的医生也有不同的观点，bxy的确定是较为困难的，但是在决策分析中可以引入概率阈值进行变量替换。决策曲线分析方法的产生基于一个原则，即假阳性和假阴性的相对损失值可以用阈概率表示，从而来评估预测模型的可用性及效益。该方法也相当于在回归预测分析的基础上，引入了损失函数。7

假设存在一阈概率Pt，如果阳性概率大于此阈值则进行临床操作，如果小于此阈值则不进行。根据决策理论中转折概率的计算方法，对于某一Pt，存在：b11×Pt＋b10×(1－Pt)=b01×Pt＋b00×(1－Pt)其中：b11：阳性，进行操作，真阳；b10：阴性，进行操作，假阳；b01：阳性，不进行操作，假阴；b00：阴性，不进行操作，真阴。8

9病人选择治疗的阈概率是关于病人如何衡量假阳性和假阴性结果的相对危害。这说明阈概率Pt，对于接受必要临床操作和避免不必要临床操作的权衡具有重要意义。也即是：

由此可以定义净获益(netbenefit，NB)为： 其中，TPC表示真阳性个数；FPC表示假阳性个数；Pt表示阈概率；n表示样本总数如果受试者的净获益在可接受范围之内,就会被建议采取干预或相应治疗措施。10

决策曲线分析法包括三个主要步骤：1）列出某个研究所有合理且不冗余的分析决策；2）分析所有合理的分析决策下假设检验的显著性，并绘制决策分析曲线展示结果；3）对第二步的数据和结果进行统计检验，以判断主效应的稳健性。11

曲线的实现其中DCA曲线的绘制产生可以分解为以下八个步骤:(1)选择合适的阈概率Pt;(2)假设受试者A发生不良结局的概率为Pa，当PaPt时,为阳性，以Pt为截断值计算真阳性和假阳性的个数;(3)计算模型的净获益值NB;(4)在适当的范围内改变Pt值，并重复2到3步；(5)以阈概率Pt为横轴，净获益NB为纵轴，在直角坐标系上描点；(6)对每个要考察的预测模型重复1-5步；(7)对于将所有人视为阳性的情况也重复1-5步；(8)在y=0处做平行于x轴的直线，代表将所有个体视为阴性的净收益。事实上，DCA曲线的产生就是通过一系列阈概率的变化，从而改变净获益的大小。12

1.安装程序辅助包1.library(DecisionCurve)