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