如何在R中绘制多模型生存分析决策曲线（Cox比例风险回归）

要在同一张决策曲线分析图中对比单变量（仅marker）和多变量（famhistory + marker）Cox模型的结果，核心是先为两个模型分别生成对应时间点的失败概率预测值，将它们合并到同一数据集后，一次性传入dca()函数即可实现同图对比。

完整实现代码 #

library(dcurves)
library(dplyr)
library(broom)
library(survival)
library(ggplot2)

# 1. 训练两个Cox模型
# 单变量模型（仅marker）
cox_univar <- coxph(Surv(ttcancer, cancer) ~ marker, data = df_surv)
# 多变量模型（famhistory + marker）
cox_multivar <- coxph(Surv(ttcancer, cancer) ~ famhistory + marker, data = df_surv)

# 2. 生成两个模型的1.5年失败概率预测值，并合并到数据集
df_surv_combined <- df_surv %>%
  # 统一预测时间点为1.5年
  mutate(ttcancer = 1.5) %>%
  # 单变量模型预测
  broom::augment(cox_univar, newdata = ., type.predict = "expected") %>%
  mutate(pr_failure18_univar = 1 - exp(-.fitted)) %>%
  select(-.fitted, -.se.fit) %>%
  # 多变量模型预测
  broom::augment(cox_multivar, newdata = ., type.predict = "expected") %>%
  mutate(pr_failure18_multivar = 1 - exp(-.fitted)) %>%
  select(-.fitted, -.se.fit)

# 3. 运行决策曲线分析，同时纳入两个预测变量
dca_result <- dca(Surv(ttcancer, cancer) ~ pr_failure18_univar + pr_failure18_multivar,
                  data = df_surv_combined,
                  time = 1.5)

# 4. 绘制对比图
plot(dca_result) +
  labs(title = "1.5年癌症发生风险的DCA对比",
       subtitle = "单变量Cox模型 vs 多变量Cox模型",
       x = "阈值概率",
       y = "净获益") +
  theme_minimal()

关键说明 #

• 预测变量命名：给两个模型的预测值设置不同的变量名（pr_failure18_univar和pr_failure18_multivar），避免混淆。
• 统一时间点：在生成预测时，将ttcancer统一设为1.5年，确保两个模型的预测都是针对同一时间窗口的失败概率。
• 多变量DCA输入：dca()函数支持在公式中传入多个预测变量，运行后会自动在同一张图中绘制所有模型的曲线，同时包含"全不干预"和"全干预"的参考线。
• 自定义绘图：可以通过ggplot2的语法修改图的标题、主题等，让结果更清晰。

内容的提问来源于stack exchange，提问作者mepstein1218