BioF3 FigCode · SCI 绘图代码集

临床决策曲线（Decision Curve Analysis）

导出日期：2026年6月27日

分类：生存分析｜ 依赖包：dcurves、ggplot2

解决的生物学问题

在不同治疗决策阈值下，使用我的模型相比"全治"或"全不治"能多救多少病人？

应用场景

临床预测模型的实用性评估
多模型对比（看哪个净获益最大）
Nomogram 配套 DCA
诊断标志物投入产出分析

输入数据格式

数据框：truth (0/1), 多列 prediction_probability

关键参数

outcome（结局列名）
predictors（多个模型列）
thresholds（阈值范围）
xstop = 0.99 截断高阈值区

快速开始

1. 直接在线运行

打开 FigCode 在线绘图，点击本工具卡片的"在线绘图"按钮即可用内置示例数据出图，零环境配置。

2. 本地复现

下载脚本和示例数据，本地 RStudio 运行：

# 下载
curl -O https://<your-site>/figcode/scripts/decision-curve.R
curl -O https://<your-site>/figcode/data/decision-curve.csv

3. 安装依赖

# CRAN 包
install.packages(c("dcurves", "ggplot2"))

# Bioconductor 包（如需）
# BiocManager::install(c())

完整代码

library(dcurves)
library(ggplot2)

# --- Demo data ---
set.seed(42)
n <- 500
truth <- rbinom(n, 1, 0.3)

# Two competing models
df <- data.frame(
  outcome  = truth,
  model_A  = plogis(truth * 1.5 + rnorm(n, 0, 0.6)),
  model_B  = plogis(truth * 0.8 + rnorm(n, 0, 0.6))
)

# --- Decision curve ---
dc <- dca(outcome ~ model_A + model_B, data = df,
          thresholds = seq(0, 0.6, by = 0.01))

plot(dc, smooth = TRUE) +
  ggtitle("Decision Curve Analysis")

替换为自己的数据

脚本中以 # --- Demo data --- 标注的段落是示例数据生成代码。替换为自己的数据时，保持列名一致即可：

输入格式：数据框：truth (0/1), 多列 prediction_probability
使用 read.csv() / readRDS() 读取本地文件