引子
空格决策分析技术常用来估计模型的临床价值，但是传统的决策分析技术通常需要搜集很多额外的信息，实际操作非常繁琐。这里介绍一种只需要现有数据信息就可以对模型进行临床价值直观评估的决策分析方法，决策曲线分析(DecisionCurveAnalysis)。
决策曲线分析方法
空格我们通过一个例子来介绍这种方法。在前列腺癌病人中，如果精囊被肿瘤侵润(SVI)，那么在手术中整个精囊会连同前列腺一起被切除。现在，精囊浸润与否的概率可以依据一些术前的信息(例如：肿瘤分级、前列腺特异性抗原)预测出来。有人提出对于预测概率低的病人，可以保留精囊的一些靠近重要神经与血管的组织，从而避免全切带来的副作用(尿失禁和阳痿)。因此临床上面临这样一个决策，精囊全切会造成尿失禁和阳痿的风险，保留精囊会增加肿瘤复发的风险。临床医生认为错误的保留被浸润的精囊(假阴性)所带来的危害，是切除未被侵润的精囊(假阳性)所带来危害的九倍。因此我们将决策阈定为10%。即对于浸润风险大于10%的个体切除其精囊，对于浸润风险小于10%的个体予以保留。现在我们用现有的logistic回归模型对例前列腺患者进行预测，计算每个个体发生侵润的概率。将概率大于10%的视为阳性，否则为阴性，得到下表。
表1以10%为阳性标准时，精囊浸润的真实结局与预测结局的关系
预测结局
真实结局
阳性
阴性
阳性
65
阴性
22
现在我们可以用下面的公式计算净收益(NetBenefit)
空格在这个公式中TruePositiveCount(真阳性个数)与FalsePositiveCount(假阳性个数)分别表示被预测为阳性的阳性个体和阴性个体，n代表病人总数，Pt代表决策阈值。简言之就是真阳性的比例减去加权后假阳性的比例。这里我们用真阳性和假阳性的相对危害来加权。在上表中Pt=10%，真阳性65例，假阳性例，总共有病人例。因此，该模型的净收益为(65/)－(/)×(0.1/0.9)=0.。好的模型应该有较高的净收益。
空格为了判断这个净收益是否够大，我们需要比较。假设将所有病人都视为阴性，不对其进行治疗，此时真阳性和假阳性个数都是0，因此保留所有病人精囊的净收益为0。所以，如果预测模型的净收益大于0，应用预测模型做决策的价值大于将所有病人视为阴性。在将所有病人视为阳性并对其治疗的情况下，真阳性和假阳性的个数就分别是阳性和阴性个体的个数。因此切除所有病人精囊的净收益为(87/)－(/)×(0.1/0.9)=﹣0.，因此其获得的收益也较应用预测模型获得的收益低。
空格在Pt为10%时，模型的收益优于不治疗任何人和治疗所有人。然而不同的病人对手术的副作用的评估不同，其对决策阈的定义也不同。因此我们推荐对不同的Pt值重复上述工作。
①选择一个Pt值。
②以Pt为截断值计算阳性和阴性个数。
③计算模型的净收益。
④在适当的范围内变化Pt值，重复2-3步。
⑤以Pt为横坐标，净收益为纵坐标在直角坐标系上描点。
⑥对每个要考察的预测模型重复1-5步。
⑦对于将所有人视为阳性的情况也重复1-5步。
⑧在y=0处做平行于x轴的直线，代表将所有个体视为阴性的净收益。
将上述步骤应用于上述前列腺癌患者数据，得到下图。我们称之为决策曲线。
图1.前列腺患者精囊浸润预测模型的决策曲线
实线：预测模型。虚线：假设所有病人发生精囊浸润。水平线：假设没有病人发生精囊浸润。
空格由上图可以得到下述信息，我们的预测模型在某些情况下有意义，但并不是所有情况。当Pt小于2%时，模型的净收益并不优于切除所有精囊，此时预测模型没有价值；当Pt大于80%时，模型的净收益不优于保留所有精囊；然而在大部分决策阈内模型都有较大的净收益，医生可以根据模型的预测结果进行决策。
软件实现
空格决策曲线可以用stata、R、SAS等统计软件实现，下面的链接提供了决策曲线的stata，R和SAS代码。
