首发ggscidca包，来来来---绘制个不一样的决策曲线，让你审稿人眼前一亮

目前，本人写的ggscidca包已经正式在R语言官方CRAN上线，

ggscidca包是我本人写的第4个R包，用于绘制如下图这种带条形图的决策曲线。

ggscidca包可以使用以下代码安装

install.packages("ggscidca")

写这个包的起因是看到了一篇文章Nomograms in Oncology – More than Meets the Eye（肿瘤学的标记图–远不止这些）

这篇文章提到了一种带条形图的决策曲线，，让我眼前一亮，它把决策曲线分为了和列线图相关部分还有不相关部分，觉得很有意思，因此想看看能不能代码实现一下

上图这个图形我考虑过ggplot2包的多个函数，如geom_bar，geom_raster，geom_col等，其中geom_col本来最满意，可以绘制出渐变风格的区域条形图，但是geom_col不好嵌入字体（应该是我技术水平还不够，以后水平高了再重新写一下），后面刚好看到其他博主使用geom_rect来复现这个图片，复现得还挺不错的，后面就参考了一部分他的方法，geom_rect主要的有点是灵活多变，可以应对不同的情况。
因为我没有重复造轮子的习惯，我内置了决策曲线发明者AndrewVickers博士提供的stdca.R和dca.r这两个函数的内心代码，用他们来生成绘图数据，因此ggscidca包绘图几乎没错的可能。stdca.R做生存分析时候，有时会报错：Error in findrow(fit, times, extend) : no points selected for one or more curves, consider using the extend argument，我顺手修复了这个小错误。原来stdca.R和dca.r的代码有些过于老旧，我精简了一些代码。函数编写的部分参考了一些ggDCA包的写法，虽然作者一棵树已经删掉这个R包了，但是许多思路还是非常好的。最后对给予我帮助的表示感谢。
下面我来介绍一下怎么使用ggscidca包，其实非常简单，用ggscidca包自带的乳腺癌数据来演示一下

library(ggscidca)
library(survival)
library(reshape2)
library(ggplot2)
bc<-Breastcancer

age表示年龄，pathsize表示病理肿瘤大小（厘米），lnpos表示腋窝淋巴结阳性，histgrad表示病理组织学等级，er表示雌激素受体状态，pr表示孕激素受体状态，status结局事件是否死亡，pathscat表示病理肿瘤大小类别（分组变量），ln_yesno表示是否有淋巴结肿大，time是生存时间，后面的agec是我们自己设定的，不用管它。
咱们先把分类变量转成因子

bc$histgrad<-as.factor(bc$histgrad)
bc$er<-as.factor(bc$er)
bc$pr<-as.factor(bc$pr)
bc$ln_yesno<-as.factor(bc$ln_yesno)

建立模型

f1<-coxph(Surv(time,status)~er+histgrad+pr+age+ln_yesno,bc)
f2<-coxph(Surv(time,status)~er+histgrad+ln_yesno,bc)
f3<-coxph(Surv(time,status)~ln_yesno,bc)

先绘制个基础的决策曲线，如果你不设置时间的话默认的就是中位数时间

scidca(f1)

来个60个月，就是5年的

scidca(f1,timepoint = 60)

如果你没有给你的模型命名，它默认叫model,如果咱们想换个名字

scidca(f2,modelnames = "零基础说科研")

模型的曲线千奇百怪，这个时候争议来了，我们看上图，红色箭头右边没有数据了，到底算相关还是不相关呢？因此ggscidca包这里还提供了两种解决方案，如果你认为是相关的，咱们可以把上面两个区域合并

scidca(f2,modelnames = "零基础说科研",merge = T)

或者对X轴进行限制，这样也许更加美观点

scidca(f2,modelnames = "零基础说科研",xstop=0.20)

生成图形后，如果你想对这个条形图进行调整，也是可以的，要关注函数生成的2行信息

上图有2个信息，一个是0.0137，一个是0.0069。0.0069表示条形图的高度，0.0137表示绘图区的高度。

在咱们函数中有个参数pyh是调整条形图的高度的，目前pyh的值就是0.0069，你调整的时候这个值不能超过0.0137，不然就会报错

scidca(f2,modelnames = "零基础说科研",xstop=0.20,pyh = 0.009)

咱们可以看到经过调整后，图形扁了很多，如果你只想绘制个普通的决策曲线，咱们也可以关掉这个条形图

scidca(f2,colbar = F)
scidca(f2,colbar = F,xstop=0.20)

下面来介绍一下绘制逻辑回归的决策曲线，也是一样的，先生成一个逻辑回归的模型，其实就是刚才的模型不要时间，演示而已，没有什么实际意义

fit<-glm(status~er+histgrad+pr+age+ln_yesno,family = binomial(link = "logit"),data=bc)

绘图

scidca(fit)

或者想走普通路线，也是支持的

scidca(fit,colbar=F)

如果想要做验证集决策曲线，也是很容易的，我重新导入一个数据

load("E:/r/test/LIRI.rda")

这个数据就不解释了，先分成建模集和验证集，因为涉及到随机拆分，要设置一个种子

set.seed(1)
index <- sample(2,nrow(LIRI),replace = TRUE,prob=c(0.7,0.3))
traindata <- LIRI[index==1,]
testdata <- LIRI[index==2,]

使用建模集建立模型

model1 <- glm(status~ANLN,family = binomial(link = "logit"),data=traindata)

绘图

scidca(model1)

使用验证集来绘图

scidca(model1,newdata = testdata)

除此之外，区域的颜色，字体大小和字体颜色都是可以设置的，比如我不喜欢红色和蓝色，我换成黄色和粉红色

scidca(model1,relcol="yellow",irrelcol="hotpink")

颜色是有点怪，主要是我本人没什么艺术细胞，你可以根据自己喜好吧。中间的字体大小和颜色也是可以调整的

scidca(model1,text.size=6,text.col="black")

最后我来总结一下，ggscidca包的基本框架基本写好，还有一些功能正待完善，目前还不能做多模型的决策曲线，还有竞争风险模型的决策曲线还不能做，，但是目前框架写好后这个只是时间问题，另外也有粉丝私信我不同机器学习的能不能实现，如下图

争取在新的版本能实现。有报错或者意见或建议，欢迎公众号私信我。

参考文献：

1. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4465353/
2. ggDCA包参考文献
3. stdca.R和dca.r参考文档
4. https://mp.weixin.qq.com/s/IrZwwQYCBDT63xH7QtfDvA