预测模型11分新套路新图形-NR曲线，亮点文末海量原创代码

本文历经2次恶意J于-B奥，应后台粉丝需求再次开放，我就是杠精不信邪！

文末有大量预测模型机器学习相关内容，请耐心阅读。

之前找NR(net reduction)曲线文献的时候遇到一篇2024年预测模型。觉得不错，毕竟分数高1区11分了，全文工作量挺大的，还制作了网页工具ARTEMIS。作者据说是本科生，我想我本科的时候，只会吃喝玩乐和逃课。这个时代真是卷。

查文章的过程，我也发现一个有趣的问题，有篇一模一样的姐妹篇，同一个课题组发在2022年ebiomedicine，图表样式一样。pubmed上这个套路发了不少高分文章，纯生信+预测模型。大家可以深入学习下这一高手套路。

NR是什么

预测评价这个系列文章的许多图形，我们都在A款预测模型中教授了，其中有一个非常新颖的NR曲线。在一般情况下，默认的临床策略是对所有患者进行干预，因此模型或标记的目的是帮助减少不必要的干预。与传统方法相比，净收益是根据与无治疗(treat none)相比真阳性的净增加来计算。有时还需要根据与“治疗所有”策略(treat all)相比假阳性的净减少来计算净收益。例如，在我们的癌症活检示例中，我们可能对是否可以减少活检数量感兴趣。

一、NR曲线解析

注意，这篇JDR杂志的NR图公式是错的(应该是粗心谬误)，不过图形能复现。我分享一下文章推导过程让大家加深印象，毕竟这个错误公式浪费了我很久时间。

二、NR曲线美图

JCO2020、ebiomedicine这2篇文章很好的展示了DCA与NR曲线的关联，图形优美值得借鉴。

三、NR推导

智荟推导如下，利用JCO范文，红色绿色括号为模型与treatall的获益差值δ，红色蓝色点分为模型的nb值。NR的公式中pt/1-pt应该是被除项！

四、NR曲线R代码

基于前一推文中DCA数据，采用rmda或者dcurve包等可绘制7款DCA曲线。dcurve包有时候绘制NR曲线会错位，如本案例。而智荟NR曲线代码能完全复现NR计算过程，且同时可以很好的与其他R包进行net benefit佐证数据完全一致。

当然还有经典款的https://github.com/matt-black/dcapy/blob/master/test/resource/stdca.R，这个代码有误(时常报错)，需要用我修复的stdca修正.R，可以绘制NR曲线。

R代码如下

##--  stdca修正.r 绘制NR曲线---- 
source("./stdca修正.R")
##---1?? 单曲线----
df_surv$cancer <- as.numeric(df_surv$cancer) # stdca 函数需要结果变量是0,1
df_surv <- as.data.frame(df_surv) # stdca 函数只接受data.frame
cox_model <- coxph(Surv(ttcancer, cancer) ~ cancerpredmarker, data = df_surv)
# ??计算1年的概率
df_surv$prob1 <- c(1 - (summary(survfit(cox_model, newdata = df_surv), times = 1)$surv))
# 遇到报错，可以通过添加参数xstop=0.5 ~1解决?
stdca(
  data = df_surv,
  outcome = "cancer",
  ttoutcome = "ttcancer",
  timepoint = 1,
# xstop=0.9, #本例最高0.9
# Error in findrow(fit, times, extend)
  predictors = "prob1",
  smooth = TRUE )

#----绘制NR曲线----
stdca(
  data = df_surv,
  outcome = "cancer",
  ttoutcome = "ttcancer",
  timepoint = 1,
# xstop=0.9, #本例最高0.9
# Error in findrow(fit, times, extend)
  predictors = "prob1",
  smooth = T,
  xstop=.3,intervention="TRUE")

小结

“

1 net reduction曲线新颖，可配合DCA曲线展示，增强预测文章质量

2 NR公式别搞错了！