r cox回归跑很久 cox回归的roc曲线

前面介绍了logistic回归的DCA的5种绘制方法，今天学习下cox回归的DCA绘制方法。也是有多种方法可以实现，但我比较推荐能返回数据，用ggplot2自己画的那种。

• 生存资料的DCA

• 方法1
• 方法2
• 方法3
• 方法4

生存资料的DCA

方法1

使用dcurves包,使用的数据集是包自带的df_surv数据集，一共有750行，9列，其中ttcancer是时间，cancer是结局事件，TRUE代表有癌症，FALSE代表没有癌症。

并不是只有结局事件是生存或者死亡的才叫生存资料哦！只要是time-event类型的，都可以。

# 加载R包和数据，不知道怎么安装的请看我前面的推文
library(dcurves)
library(survival)
data("df_surv")

# 查看数据结构
dim(df_surv)

## [1] 750   9

str(df_surv)

## tibble [750 × 9] (S3: tbl_df/tbl/data.frame)
##  $ patientid       : num [1:750] 1 2 3 4 5 6 7 8 9 10 ...
##  $ cancer          : logi [1:750] FALSE FALSE FALSE FALSE FALSE FALSE ...
##  $ ttcancer        : num [1:750] 3.009 0.249 1.59 3.457 3.329 ...
##  $ risk_group      : chr [1:750] "low" "high" "low" "low" ...
##  $ age             : num [1:750] 64 78.5 64.1 58.5 64 ...
##  $ famhistory      : num [1:750] 0 0 0 0 0 0 0 0 0 0 ...
##  $ marker          : num [1:750] 0.7763 0.2671 0.1696 0.024 0.0709 ...
##  $ cancerpredmarker: num [1:750] 0.0372 0.57891 0.02155 0.00391 0.01879 ...
##  $ cancer_cr       : Factor w/ 3 levels "censor","diagnosed with cancer",..: 1 1 1 1 1 1 1 2 1 1 ...

这个包使用起来很别扭，但是可以说它很灵活！

如果预测变量只有1个，且是0,1表示的，那就很简单，直接用就行；如果有多个预测变量，就需要先计算出预测概率，然后才能使用。

预测变量是famhistory，这是0,1表示的二分类变量：

library(ggplot2)

dcurves::dca(Surv(ttcancer, cancer) ~ famhistory,
             data = df_surv,
             time = 1 # 时间选1年
             ) %>% 
  plot(smooth = T)

unnamed-chunk-2-146299048 下面展示一个把多个模型的DCA画在一起的例子，和之前介绍的dca.r的用法优点类似。

cancerpredmarker这一列已经是概率了，marker是数值型的连续性变量，famhistory是0,1表示的二分类变量。

dcurves::dca(Surv(ttcancer, cancer) ~ cancerpredmarker + marker + famhistory,
    data = df_surv,
    as_probability = "marker", # 只有marker需要转换成概率
    time = 1,
    label = list(cancerpredmarker = "Prediction Model", marker = "Biomarker")) %>%
  plot(smooth = TRUE,show_ggplot_code = T) +
  ggplot2::labs(x = "Treatment Threshold Probability")

## # ggplot2 code to create DCA figure -------------------------------
## as_tibble(x) %>%
##   dplyr::filter(!is.na(net_benefit)) %>%
##   ggplot(aes(x = threshold, y = net_benefit, color = label)) +
##   stat_smooth(method = "loess", se = FALSE, formula = "y ~ x", 
##     span = 0.2) +
##   coord_cartesian(ylim = c(-0.0147287067742928, 0.147287067742928
## )) +
##   scale_x_continuous(labels = scales::percent_format(accuracy = 1)) +
##   labs(x = "Threshold Probability", y = "Net Benefit", color = "") +
##   theme_bw()

image-20220620205335965 可以看到marker这个曲线有点过分了。。结果也给出了ggplot2的代码，大家可以自己修改。

上面是多个模型在同一个时间点的DCA曲线，如果是同一个模型在不同时间点的DCA，这个包不能直接画出，需要自己整理数据，因为不同时间点进行治疗的风险和获益都是不一样的，所以会出现同一个阈值概率对应多个净获益的情况，所以none和all每个概率阈值下都有1套数据。

如果你的预测变量是多个，就需要先计算预测概率。

# 构建一个多元cox回归
cox_model <- coxph(Surv(ttcancer, cancer) ~ age + famhistory + marker, data = df_surv)

# 计算1.5年的概率
df_surv$prob1 <- c(1-(summary(survfit(cox_model, newdata=df_surv), times=1.5)$surv))

# 我们分2步，先获取数据，再用ggplot2画图
x1 <- dcurves::dca(Surv(ttcancer, cancer) ~ prob1,
    data = df_surv,
    time = 1.5
    )%>% 
  dcurves::as_tibble()

# 使用自带的画图代码
ggplot(x1, aes(x=threshold, y=net_benefit,color=variable))+
  stat_smooth(method = "loess", se = FALSE, formula = "y ~ x", span = 0.2) +
  coord_cartesian(ylim = c(-0.03, 0.25)) +
  scale_x_continuous(labels = scales::label_percent(accuracy = 1)) +
  labs(x = "Threshold Probability", y = "Net Benefit", color = "") +
  theme_bw()

image-20220620205451700

大家还可以根据自己的喜好继续调整细节。

方法2

使用ggDCA包。是这么多方法里面最简单的一个。对于同一个模型多个时间点、同一个时间点多个模型，都可以非常简单的画出来。还是使用dcurves里面的df_surv数据集作为演示。

library(ggDCA)

## 
## Attaching package: 'ggDCA'

## The following object is masked from 'package:dcurves':
## 
##     dca

# 建立多个模型
cox_fit1 <- coxph(Surv(ttcancer, cancer) ~ famhistory+marker, 
                  data = df_surv)
cox_fit2 <- coxph(Surv(ttcancer, cancer) ~ age + famhistory + marker, data = df_surv)
cox_fit3 <- coxph(Surv(ttcancer, cancer) ~ age + famhistory, data = df_surv)

多个模型同一时间点的DCA：

df1 <- ggDCA::dca(cox_fit1, cox_fit2, cox_fit3,
                  times = 1.5 # 1.5年，默认值是中位数
                  )

library(ggsci)

ggplot(df1,linetype = F)+
  scale_color_jama(name="Model Type",labels=c("Cox 1","Cox 2","Cox 3","All","None"))+
  theme_bw(base_size = 14)+
  theme(legend.position = c(0.8,0.75),
        legend.background = element_blank()
        )

## Warning: Removed 498 row(s) containing missing values (geom_path).

image-20220620205523093

同一个模型多个时间的DCA：

df2 <- ggDCA::dca(cox_fit2,
                  times = c(1,2,3)
                  )

ggplot(df2,linetype = F)+
  scale_color_jama(name="Model Type")+
  theme_bw()+
  facet_wrap(~time) # 分面展示，因为不同时间点净获益是不一样的

## Warning: Removed 1689 row(s) containing missing values (geom_path).

image-20220620205609389

多个模型多个时间点：

df3 <- ggDCA::dca(cox_fit1,cox_fit2,cox_fit3,
                  times = c(1,2,3)
                  )

#df5 <- as.data.frame(df3)

ggplot(df3,linetype = F)+
  scale_color_jama(name="Model Type")+
  theme_bw()+
  facet_wrap(~time)

## Warning: Removed 1226 row(s) containing missing values (geom_path).

非常强！如果你不会自己搞数据，就用这个！

方法3

使用这个网站^[1]给出的stdca.r文件绘制cox的DCA，需要代码的直接去网站下载即可。数据还是用df_surv数据集。

rm(list = ls())
library(survival)
library(dcurves)
data("df_surv")

# 加载函数
source("../000files/stdca.R") # 原函数有问题

# 构建一个多元cox回归
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) ~ age + famhistory + marker, data = df_surv)

# 计算1.5年的概率
df_surv$prob1 <- c(1-(summary(survfit(cox_model, newdata=df_surv), times=1.5)$surv))

# 这个函数我修改过，如果你遇到报错，可以通过添加参数 xstop=0.5 解决
stdca(data=df_surv, 
      outcome="cancer", 
      ttoutcome="ttcancer", 
      timepoint=1.5, 
      predictors="prob1",
      smooth=TRUE
    )

image-20220620205725890

多个模型在同一个时间点的DCA画法，和第一种方法很类似，也是要分别计算出每个模型的概率。

# 建立多个模型
cox_fit1 <- coxph(Surv(ttcancer, cancer) ~ famhistory+marker, 
                  data = df_surv)
cox_fit2 <- coxph(Surv(ttcancer, cancer) ~ age + famhistory + marker, data = df_surv)
cox_fit3 <- coxph(Surv(ttcancer, cancer) ~ age + famhistory, data = df_surv)

# 计算每个模型的概率
df_surv$prob1 <- c(1-(summary(survfit(cox_fit1, newdata=df_surv), times=1.5)$surv))
df_surv$prob2 <- c(1-(summary(survfit(cox_fit2, newdata=df_surv), times=1.5)$surv))
df_surv$prob3 <- c(1-(summary(survfit(cox_fit3, newdata=df_surv), times=1.5)$surv))

# 画图
stdca(data=df_surv, 
      outcome="cancer", 
      ttoutcome="ttcancer", 
      timepoint=1.5, 
      predictors=c("prob1","prob2","prob3"),  
      smooth=TRUE
    )

image-20220620205746692

方法4

返回画图数据，再用ggplot2画图：

cox_dca <- stdca(data = df_surv, 
      outcome = "cancer", 
      ttoutcome = "ttcancer", 
      timepoint = 1.5, 
      predictors = c("prob1","prob2","prob3"),
      smooth=TRUE,
      graph = FALSE
    )

library(tidyr)

cox_dca_df <- cox_dca$net.benefit %>% 
  pivot_longer(cols = c(all,none,contains("sm")),names_to = "models",
               values_to = "net_benefit"
               )

使用ggplot2画图：

library(ggplot2)
library(ggsci)

ggplot(cox_dca_df, aes(x=threshold,y=net_benefit))+
  geom_line(aes(color=models),size=1.2)+
  scale_color_jama(name="Models Types",
                   labels=c("All","None","Model1","Model2","Model3"))+
  scale_x_continuous(labels = scales::label_percent(accuracy = 1),
                     name="Threshold Probility")+
  scale_y_continuous(limits = c(-0.05,0.2),name="Net Benefit")+
  theme_bw(base_size = 14)+
  theme(legend.background = element_blank(),
        legend.position = c(0.85,0.75)
        )

## Warning: Removed 83 row(s) containing missing values (geom_path).

image-20220620205809541

常见的DCA方法都展示了，现在基本都是针对logistic或者cox的，大家自己选择使用哪个就好。

参考资料

dca.r: https://www.mskcc.org/departments/epidemiology-biostatistics/biostatistics/decision-curve-analysis