1論文實(shí)例

2016年發(fā)表在 J Clin Oncol （SCI影響因子26分）的研究對大腸癌患者術(shù)前運(yùn)用放射組學(xué)方法，對淋巴結(jié)轉(zhuǎn)移情況建立預(yù)測模型與模型驗(yàn)證。Development and Validation of a Radiomics Nomogram for Preoperative Prediction of Lymph Node Metastasis in Colorectal Cancer.

做了預(yù)測模型校準(zhǔn)曲線 （Calibration curve），兩個(gè)圖分別是建模隊(duì)列和驗(yàn)證隊(duì)列。圖的橫坐標(biāo)是預(yù)測概率：用預(yù)測模型對事件發(fā)生的可能性（Probability）進(jìn)行預(yù)測，0到1表示發(fā)生事件可能性是0到100%?？v坐標(biāo)是實(shí)際概率：患者實(shí)際的事件發(fā)生率。紅色的線是擬合線，表示預(yù)測值對應(yīng)的實(shí)際值。

結(jié)果解讀：

如果預(yù)測值=實(shí)際值，則紅線與參考線（藍(lán)線）完全重合；

如果預(yù)測值＞實(shí)際值，即高估了風(fēng)險(xiǎn)，則紅線在藍(lán)線上面；

如果預(yù)測值＜實(shí)際值，即低估了風(fēng)險(xiǎn)，則紅線在藍(lán)線上面；如果能把點(diǎn)估計(jì)的波動(dòng)范圍展示出來證據(jù)級別高一些。

2論文實(shí)例

2008年發(fā)表在 J Clin Oncol 的預(yù)測結(jié)腸癌復(fù)發(fā)的研究。Individualized prediction of colon cancer recurrence using a nomogram.

圖3是校準(zhǔn)曲線，AB兩圖分別預(yù)測60個(gè)月和120個(gè)月結(jié)局事件。同樣橫縱坐標(biāo)分別是預(yù)測概率和實(shí)際概率。與論文實(shí)例1不同的是：

1、坐標(biāo)范圍不是0-1，而是根據(jù)實(shí)際情況的取值范圍繪制的。這樣做是符合做圖規(guī)范的。

2、展示了點(diǎn)估計(jì)的波動(dòng)范圍。證據(jù)級別高一些。

3、本研究把不同時(shí)間發(fā)生的結(jié)局畫在兩個(gè)圖上，下面這篇論文則呈現(xiàn)在一張圖上。3論文實(shí)例

2011年發(fā)表在 Lancet Oncol（SCI影響因子36分）的研究，對慢性乙型肝炎進(jìn)展為肝細(xì)胞癌建立預(yù)測模型進(jìn)行風(fēng)險(xiǎn)評估和驗(yàn)證。

Calibration chart展示了三條線：Y發(fā)生時(shí)間分別是3、5和10年（紅、藍(lán)和綠線）。結(jié)果解讀：

1、當(dāng)風(fēng)險(xiǎn)較低時(shí)（小于10%），三條線均在參考線的上面，即高估了風(fēng)險(xiǎn)；

2、當(dāng)風(fēng)險(xiǎn)較高時(shí)（大于10%），藍(lán)線和綠線與參考線很接近（基本重合），即未高估或低估風(fēng)險(xiǎn)；

3、橫縱坐標(biāo)軸的刻度間距不是等距分布的，而是等比例（10倍）分布的。這是根據(jù)本研究數(shù)據(jù)分析情況選擇的，符合做圖規(guī)范。

4、本例沒有顯示每個(gè)點(diǎn)的波動(dòng)范圍。目的是顯示三條線的分布，如果要顯示波動(dòng)范圍，最好分開做三個(gè)圖（如論文實(shí)例2）4論文實(shí)例

有的研究點(diǎn)會(huì)密一些，這里有10條線。波動(dòng)范圍大，與樣本量小有關(guān)。

Nomogram for Preoperative Estimation of Microvascular Invasion Risk in Hepatitis B Virus–Related Hepatocellular Carcinoma Within the Milan Criteria. JAMA Surgery, 2015.  SCI IF=8.4

五花八門的Calibration curve

該如何選擇呢？

JAMA發(fā)表指南出大招

2017年在JAMA上發(fā)表的臨床預(yù)測模型的區(qū)分和校準(zhǔn)指南。Discrimination and Calibration of Clinical Prediction Models: Users' Guides to the Medical Literature. JAMA, 2017.

指南中給的Calibration curve就更漂亮一些，用曲線形式展示。

圖中橫坐標(biāo)是預(yù)測模型得出的風(fēng)險(xiǎn)評分，縱坐標(biāo)是實(shí)際值死亡率。黑色的點(diǎn)和線是實(shí)際觀察到的1年死亡率和95%CI，黃色的曲線是模型預(yù)測的1年的死亡率。

指南中寫到用肉眼看（visual）是最佳的評價(jià)校準(zhǔn)曲線的方式（is the best way to evaluate calibration），也提到有統(tǒng)計(jì)學(xué)方法可以計(jì)算預(yù)測值和觀測值的統(tǒng)計(jì)學(xué)差異(eg, the Hosmer-Lemeshow test)，然而指南中并不推薦依靠p值評價(jià)校準(zhǔn)曲線，并且用了三段來闡述不建議根據(jù)統(tǒng)計(jì)學(xué)檢驗(yàn)計(jì)算p值的原因，在此就不詳細(xì)講述了。5論文實(shí)例

這是指南中推薦的參考文獻(xiàn)的做法，用曲線擬合的方式呈現(xiàn)校準(zhǔn)曲線，并用肉眼結(jié)合指標(biāo)的臨床意義判斷臨床實(shí)用價(jià)值。

可見當(dāng)實(shí)際死亡率大于30%時(shí)，預(yù)測模型會(huì)低估死亡風(fēng)險(xiǎn)。臨床價(jià)值在于：某些患者預(yù)測模型得出死亡風(fēng)險(xiǎn)是30%，很可能選擇藥物治療并推遲心臟移植治療時(shí)間，然而其實(shí)際死亡風(fēng)險(xiǎn)可能接近50%。因此，使用該模型會(huì)導(dǎo)致一些患者不適當(dāng)?shù)赝七t移植。原文如下：

Predicting survival in heart failure: validation of the MAGGIC heart failure risk score in 51 043 patients from the Swedish Heart Failure Registry. European Journal of Heart Failure, 2014. SCI IF=10.66論文實(shí)例

2017年 Eur Urol雜志（SCI影響因子17.5分）發(fā)表臨床研究基于國家癌癥數(shù)據(jù)庫，分析局部治療對轉(zhuǎn)移性前列腺癌患者總生存率的影響。也采用了曲線擬合的形式做校準(zhǔn)曲線，并且做了分層分析。The Impact of Local Treatment on Overall Survival in Patients with Metastatic Prostate Cancer on Diagnosis: A National Cancer Data Base Analysis.

核心結(jié)果解讀：橫坐標(biāo)是預(yù)測的死亡概率，縱坐標(biāo)是實(shí)際存活概率。

當(dāng)預(yù)測的死亡概率=30%時(shí)，紅線在藍(lán)線上面，表明局部治療（LT）比非局部治療NLT實(shí)際存活率高；

當(dāng)預(yù)測的死亡概率≥72%時(shí)，紅線在藍(lán)線下面，表明LT比NLT實(shí)際存活率低；

因此，得出基線情況好的患者，LT療效好的結(jié)論。臨床用途：用基線指標(biāo)給患者做預(yù)測，如果預(yù)測死亡概率＜72%，則推薦用局部治療方案。

操作實(shí)例

例如：用多個(gè)臨床（如年齡、性別和BMI）指標(biāo)建立結(jié)局指標(biāo)Y的預(yù)測模型繪制校準(zhǔn)曲線。

首先看數(shù)據(jù)結(jié)構(gòu)：

需要有結(jié)果變量（是否發(fā)生事件），這個(gè)事件可以是死亡（是/否），也可以是發(fā)病(是/否）。通常沒有發(fā)生事件編碼為0，發(fā)生事件編碼為1。

把原始數(shù)據(jù)整理到一張表中，每個(gè)研究對象一行，全數(shù)字編碼，缺失的數(shù)據(jù)可以空著。

易侕軟件操作

第一步：數(shù)據(jù)操作的計(jì)算殘差與預(yù)測值模塊，給出結(jié)果變量、自變量（單個(gè)或多個(gè)指標(biāo)，可以是連續(xù)或分類變量），點(diǎn)擊保存。得出后綴是PRED的新變量，范圍是0-1，表明預(yù)測的事件風(fēng)險(xiǎn)。

第二步：數(shù)據(jù)操作菜單下的“平滑曲線擬合”模塊，給出應(yīng)變量（結(jié)局指標(biāo)）、暴露變量（上一步得出的預(yù)測值）、曲線擬合分層因子（group），點(diǎn)擊查看結(jié)果。

結(jié)果出來了，橫坐標(biāo)預(yù)測的事件發(fā)生率，縱坐標(biāo)是實(shí)際事件發(fā)生率。紅線是曲線擬合線，藍(lán)線是95%CI。點(diǎn)的疏密程度代表樣本量。圖中綠色的線是參考線，即預(yù)測值=實(shí)際值的情況?？梢娂t線在綠線的上面，表明預(yù)測值風(fēng)險(xiǎn)高于實(shí)際風(fēng)險(xiǎn)。

對！操作就這么簡單！

注意：易侕軟件輸出的是曲線擬合 95%CI的圖（png圖片和pdf格式），以及用于繪制曲線的原始數(shù)據(jù)（Excel格式）。參考線（如上圖綠線）是后期做圖添加的，其實(shí)很簡單，兩點(diǎn)連起來就是一條線，本例中把0.2和0.6對應(yīng)的橫縱線一畫，找到兩個(gè)交點(diǎn)后連線就ok啦。