stata基于cox回归制作临床决策曲线
DCA(Decision Curve Analysis)临床决策曲线是⼀种⽤于评价诊断模型诊断准确性的⽅法。上⼀节中我们介绍了使⽤dca包来进⾏logistic 回归的临床决策曲线，有不少朋友发信息说不会制作cox回归制作临床决策曲线，今天我们继续来介绍怎么使⽤stdca包是⽤来制作cox回归临床决策曲线，⾸先要安装stdca包，可以看我上⼀篇⽂章怎么安装。
继续使⽤我们的乳腺癌数据，既往我们已经使⽤R语⾔ggDCA包来制作cox回归临床决策曲线，等会我们使⽤stata制作会进⾏⽐较⼀下
先把乳腺癌数据导⼊
我们先来看看数据：
会议主持age表⽰年龄，pathsize表⽰病理肿瘤⼤⼩（厘⽶），lnpos表⽰腋窝淋巴结阳性，histgrad表⽰病理组织学等级，er表⽰雌激素受体状态，pr表⽰孕激素受体状态，status结局事件是否死亡，pathscat表⽰病理肿瘤⼤⼩类别（分组变量），ln_yesno表⽰是否有淋巴结肿⼤，time是⽣存时间，后⾯的agec是我们⾃⼰设定的，不⽤管它。
及成语这⾥我就不分建模和验证数据集了，简单点直接建模了。⾸先要设置结局变量和时间变量，可以菜单
和命令，我这⾥就直接上命令了，想看菜单的可以看我既往的⽂章构建模型，可以构建多个模型⽐较，我这⾥做个⽰范只建⼀个，basurv的意思是⽣成⼀个名字叫做surv_func的基线预测概率
接下来⽣成模型的预测概率pr1,xb是线性概率的意思stt time, failure (status )
i.histgrad i.pr age i.ln_yesno , basurv (surv_func )1predict pr1, xb
借给英语
1
假设我们想获得60个⽉的⽣存概率, _t这个指标是stata⾃⼰⽣成的，_t-t0就是⽣存时间，_t在这⾥其实就是指标time，sum是对surv_func这个指标进⾏⼀个累加及统计描述的意思
定义最低⽣存概率，local的意思是定义⼀个变量，但这个变量并不出现在数据⾥，这⾥我们是⽤local定义gmin等于r(min)，如上图我们可知，r(min)=0.9274733，因此gmin为0.9274733。
对概率进⾏转换，这⾥注意⼀下，调佣出local定义的数据需要` gmin '这个符号，感觉很怪异，我们需要的是⽣存率，所以这⾥需要1-死亡率得出⽣存率
三角草⽣成图，这⾥图还可以做很多调整，有兴趣的可以⾃⼰摸索⼀下，timepoint是指你想看哪个时间点的决策曲线，我们想看5年的就选60个⽉sum surv_func if _t <= 60
河畔拼音
1local gmin = r (min )
1g pr_failure60= 1 - ` gmin '^exp (pr1)你冷若冰霜
金秋板材1stdca pr_failure60, timepoint (60) xstop (0.5) smooth
湖南卫视变形记
1
同理可做出3年，10年的决策曲线，其实就是下⾯的代码换换数字3年
10年sum surv_func if _t <=36local gmin = r (min )g pr_failure36= 1 - `gmin'^exp ( pr1 )stdca pr_failure36 , timepoint (36) xstop (0.5) smooth
1
2
3
4
5sum surv_func if _t <=120local gmin = r (min )g pr_failure120= 1 - `gmin'^exp ( pr1 )stdca pr_failure120 , timepoint (120) xstop (0.5) smooth
1
2
3
4
5
在R和SAS中使⽤了loess平滑曲线，因此作图可能稍微和stata不同。Stata制作COX临床决策曲线⽐R复杂⼀点，但是给不会使⽤R的同学多了⼀种选择。
