R语言临床预测模型实战（新时代·技术新未来）

　　《R语言临床预测模型实战（新时代·技术新未来）》从R语言临床预测模型基本原理讲起，逐步深入到进阶实战，并配合实战案例，重点介绍临床预测模型的构建、评价、验证，让读者可以快速领悟3～5分预测模型SCI（science citation index，科学引文索引）的套路与精髓，为后续冲击10分以上SCI打基础。
　　《R语言临床预测模型实战（新时代·技术新未来）》分为13章，主要内容有线性回归、Logistic回归、Cox回归、竞争风险模型等；自变量筛选方法有传统方法、逐步回归法、Lasso法、随机森林法、主成分分析法等；模型可视化涉及多种形式的列线图、Calibration校准曲线、ROC、DCA曲线等图形绘制，不仅涉及单模型的可视化，还涉及单模型多时点、多模型同时点的可视化；模型评价指标涉及C指数、AUC、NRI、IDI等；模型验证主要涉及简单交叉验证、K折交叉验证、留一法交叉验证及Bootstrap法。
　　该书内容通俗易懂，案例丰富，实用性强，适合R语言临床预测模型的入门读者和进阶读者，尤其是临床、护理、公共卫生、药学等专业的硕士研究生和博士研究生或从事相关研究的科研人员阅读。另外，该书还可以作为相关培训机构的教材。

　　彭献镇，南京医科大学康达学院流行病与统计学系主任，研究方向为慢性病流行病学，担任江苏省预防医学会青年委员，在国内外发表20余篇学术论文，主持各级科研课题7项；擅长SPSS、Stata、SAS、GraphPad Prism、PASS、R、Amos等多种软件的统计分析建模工作，实战经验丰富，创建大鹏统计工作室至今，已为5000余名硕士研究生、博士研究生提供统计分析、科研设计服务。

　　R语言是常用的数据分析处理工具之一，尤其是在临床预测模型领域，目前尚无其他语言可替代。虽然一些软件也可进行一定程度的临床预测模型分析但业内对这些软件的接受程度较低。虽然有一些小众软件可进行临床预测模型分析，但是分析结果完全偏离真实结果，因此笔者不建议各位读者使用R语言之外的软件进行临床预测模型分析
　　近年来，随着R语言的逐渐完善，只需要少量代码即可完成各种常用的临床预测模型的构建、评价／比较、验证及可视化。学习本书内容，可在较短时间内完成3～5分的临床预测模型类的SCI，较为迫切地解决了广大读者的燃眉之急笔者的使用体会
　　R语言是开源的，生态完整，有大量的现成数据分析包。R语言在临床预测模型的数据分析领域中是一个理想的工具，有丰富的模型构建、评价／比较、验证、可视化的代码，整合了多种形式的预测模型，可处理高维大数据，开发方便、快捷，且可将模型转换成应用程序或网页，更加高端地展示学术成果
　　Rstudio是R语言的一种免费的集成开发环境。相对于在文本文件中编写R语言代码，Rstudio调试代码更加方便，对新手更加友好。Rstudio支持Markdown，可以较为容易地编辑代码文档。利用Rstudio可以很好地记录数据探索分析的过程，便于回顾、修改本书的特色
　　从零开始：从模型构建开始，详细介绍模型构建的变量筛选方法，入
　　门门槛低
　　版本新颖：书中的大部分软件包采用官网的最新版本（截至本书撰写
　　时）进行讲解
　　经验总结：全面归纳和整理作者多年的R语言临床预测模型培训教学实践经验
　　内容实用：结合大量案例进行讲解，并对实现同一结果的多种代码进行对比本书的内容
　　本书可以分为三部分：第一部分是预测模型的构建，第二部分是预测模型的评价／比较第三部分是预测模型的验证
　　第一部分主要介绍线性回归、Logistic回归、Cox回归、竞争风险模型的构建，以及常用的变量筛选方法，如先单后多、逐步回归、Lasso、随机森林、最优子集、主成分分析等另外，本书对拟合模型中的常用统计指标均进行深度解读，如OR、HR、sHR等指标
　　第二部分主要介绍如何进行模型的评价／比较，涉及多种形式的列线图、Calibration校准曲线、ROC曲线、DCA曲线等的绘制，不仅涉及单模型的可视化，也包括单模型多时点、多模型同时点的可视化；模型评价指标涉及C指数、AUC、NRI、IDI等
　　第三部分主要介绍模型验证，涉及简单交叉验证、K折交叉验证、留一法交叉验证及Bootstrap
　　本书读者对象
　　R语言零基础入门人员；
　　医学类院校本科生、硕士研究生、博士研究生；
　　高校及医疗机构科研人员；
　　培训机构讲师；
　　对临床预测模型感兴趣的人员