时间依赖的AUC折线图怎么画？小白看完都能学会

　　AUC面积（areaundercurve）是ROC曲线下与坐标轴围成的面积，这个面积数值1。
　　由于ROC曲线一般都处于yx这条直线的上方，所以AUC的取值范围在0。5和1之间。
　　AUC值是评价预测模型的重要指标，AUC越大说明模型区分度越好，也就是区分病人与非病人的能力就越强。
　　在logistic预测模型中，只有一个AUC值，但在cox预测模型中，AUC值是随着时间变化而变化的。
　　在一些文章当中也会看到预后预测模型里会看到不同时间的AUC曲线图，陈老师就今天就给大家介绍一下如何应用R语言进行不同时间点AUC折线图的绘制。
　　加载所需要的包
　　library（foreign）library（rms）library（survivalROC）
　　导入数据，建立cox回归模型
　　需要操作数据可在公众号回复cox获取
　　setwd（D：R）设置工作空间，需要在D盘下建一个R文件夹，后把cox数据放进去setcoxread。spss（cox。sav，to。data。frameT）setcoxhorThfactor（setcoxhorTh，labelsc（否，是））setcoxmenostatfactor（setcoxmenostat，labelsc（绝经前，绝经后））ddistdatadist（setcox）options（datadistddist）ySurv（setcoxtime，setcoxcens）coxmod。stepcph（yhorThtsizetgradepnodesprogrec，datasetcox，survT，xT，yT）
　　通过循环语句，计算不同时间点的AUC值
　　resultc（AuC，time）nc（365，730，1095）for（iinn）｛cutoffisetcoxFirProc（1（summary（survfit（coxmod。step，newdatasetcox），timescutoff）surv））计算不同时间点死亡率PRocsurvivalROC（Stimesetcoxtime，statussetcoxcens，markersetcoxFirPro，predict。timecutoff，methodKM）死亡率为X用KM法拟合生存ROC曲线PRocdata。frame（PRoc〔c（4，6）〕）提取AUC值及时间resultrbind（result，round（PRoc，3））将不同次数据进行合并｝
　　画折线图
　　resultresult〔1，〕resultplot（result，typeb）
　　最后呈现的就是三个不同时间点AUC折线图
　　如果需要增加时间点，只要在n里多设几个时间点即可。
　　陈老师辛辛苦苦写完这代码以后，才发现有专门的包来绘制时间依赖的AUC值，我先研究一下，后续再分享给大家。
　　操作所需数据请大家在公众号后台回复“cox”获取
　　更多临床预测模型内容可关注本公众号的培训通告
　　培训通告
　　2022年，我们召集了一批富有经验的高校专业队伍，着手举行短期统计课程培训班，包括R语言、meta分析、临床预测模型、真实世界临床研究、问卷与量表分析、医学统计与SPSS、临床试验数据分析、重复测量资料分析、结构方程模型等9门课。如果您有需求，不妨点击查看：