DCA(Decision Curve Analysis)临床决策曲线是一种用于评价诊断模型诊断准确性的方法。在既往文章中，我们已经介绍了使用stata制作logistic回归和cox回归的临床决策曲线，今天我们来聊聊使用stata临床决策曲线进行外部模型验证，假设你有2个数据集，一个建模后作出临床决策曲线，想通过另一个数据集来进行验证，或者你在文献上看到别人的模型公式，想通过自己的数据来验证别人模型的效能，都可以使用这样的方法来进行。
图片来源文章：Urinary Podocalyxin as a Biomarker to Diagnose Membranous Nephropath主要讲的是利用肾脏标志物uPCXμgg诊断膜性肾病的事。这幅图的横坐标为阈概率，纵坐标为净获益。当uPCXμgg达到某个值时，患者模型肾病的概率记为Pi；当Pi达某个阈值（记为Pt），就界定为阳性。
在文章Urinary Podocalyxin as a Biomarker to Diagnose Membranous Nephropath中，作者把数据分成了两部分，一个图片为建模，一个图片为验证。我们今天使用作者文章中的数据来进行演示。
我自己总结有以下几个步骤（在安装包后）：
- 打开建模集数据，建立模型
- 提取模型公式，绘制临床决策曲线
- 关闭建模集数据，打开验证集数据
- 在验证集数据中导入建模集的公式，提取概率并进行转化
- 根据转化后结果进行验证集临床决策曲线的绘制
OK，下面我们来一一进行，首先打开建模集数据，建立模型
Stata会把有些大写字母自动转换成小写，影响不大，注意一下就可以了，我们看看数据，数据很多，这些只是其中一部分的数据，但是作者只用到了MN（膜性肾病）age（年龄）+eGFR（肾小球滤过率）+DM（糖尿病）+uPCXμgg（肾脏病标志物）这几个指标，作者制作模型前把年龄和肾小球滤过率都除以10，这里我们也要处理一下
g age1=age/10
g egfr1=egfr/10
生成两个变量后我们就可以开始了。文章中作者制作了3个模型uPCX（单用肾脏标志物），clinicalparameters（单用临床指标），all（标志物+临床指标）。今天我们偷偷懒，就只制作最后一个模型，其他两个模型的方法也是一样的。
logit mn age1 egfr1 dm uPCXμgg
模型出来啦，我们要记住每个模型的系数还有模型的截距，等下在验证集要用到
继续，生成预测概率
predict quanbu
绘制图形
dca mn quanbu
OK，现在我们清除原数据，导入验证集数据
Clear
验证集数据和建模集数据的指标要相同，要不然验证不了，验证集数据里年龄和肾小球滤过率也要都除以10
g age1=age/10
g egfr1=egfr/10
生成指标后，我们把原模型的系数和截距代入，生成指标new1
g new1 = (age1)*0.560+(egfr1)*0.269-(dm)*1.925+(uPCXμgg)*0.0049-6.133
对指标进行概率转换
g mod1=invlogit(new1)
最后生成图形
dca mn mod1
OK，到此就完成了，其他的模型也是可以同理做出，可以看得出来，临床决策曲线在验证集上的效能也是非常不错的。