运用LASSO Cox回归建立预测模型

LASSO不仅常用在影像学数据分析中[1-2]，也用于各临床研究领域建立预测模型。

1、外周血中的DNA甲基化特征预测全因死亡率[3]， Nature Communications，2017（SCI IF=12.3）

2、基质免疫型对肌肉浸润性膀胱癌患者辅助化疗预后的预测模型[4]， Clinical Cancer Research，2018（SCI IF=10.2）

3、生物标志物与透明细胞肾癌预后的预测价值[5]，BJU International, 2017（SCI IF=4.7）

基线有众多同类指标、有随访、有预后（死亡或复发等），就可以用LASSO Cox回归建立预测模型。

用指标XS01-XS30,对预后（status）进行预测，随访时间是time，采用LASSO 回归等方法建立预测模型。

下载练习数据：

http://www./empowerStats/exdata/lassotest.xls

每个研究对象一行，每个指标一列。二分类变量status编码0和1（其中0为参照），连续变量记录数值，随访时间time是连续变量。

基本统计回归分析菜单下“LASSO 回归”模块，设置应变量为status, 自变量为XS01-XS30, 时间变量time，应变量类型选3：Survival（生存状态），输入界面如下：

LASSO lambda 筛选图

LASSO 回归系数与lambda对应关系图

time-dependent AUC曲线拟合图

ROC曲线图

基线有众多同类指标、有随访、有预后（死亡或复发等），就可以用LASSO Cox回归建立预测模型。

参考文献

[1]  Wu S, Zheng J, Li Y, et al. A Radiomics Nomogram for the Preoperative Prediction of Lymph Node Metastasis in Bladder Cancer[J]. Clinical Cancer Research, 2017,23(22):6904-6911.

[2]  Huang Y Q, Liang C H, He L, et al. Development and Validation of a Radiomics Nomogram for Preoperative Prediction of Lymph Node Metastasis in Colorectal Cancer[J]. J Clin Oncol, 2016,34(18):2157-2164.

[3]  Zhang Y, Wilson R, Heiss J, et al. DNA methylation signatures in peripheral blood strongly predict all-cause mortality[J]. Nature Communications, 2017,8:14617.

[4]  Fu H, Zhu Y, Wang Y, et al. Identification and Validation of Stromal Immunotype Predict Survival and Benefit from Adjuvant Chemotherapy in Patients with Muscle-Invasive Bladder Cancer[J]. Clinical Cancer Research, 2018,24(13):3069-3078.

[5]  Haddad A Q, Luo J, Krabbe L, et al. Prognostic value of tissue-based biomarker signature in clear cell renal cell carcinoma[J]. BJU International, 2017,119(5):741-747.

第十七期临床科研设计与数据分析培训

真实世界研究专题

上海体育学院交流中心 2018/09/26-27

临床科研工作者发表SCI的新途径
利用既往病例资料，将临床经验转化为证据