前言

关于cox模型的校准曲线绘制，大家可以在浏览器中搜索，关于参数设置大部分都已经讲的很明白（这里不过多赘述），但是关于校准曲线的原理，关于校准曲线图上每个点、误差线所代表的意义以及如何计算得来的，相信大部分人不是很明白。通过阅读源码，将我学习到的记录在此，也可以让部分人更加了解自己的数据和模型。

一、校准曲线是什么？

校准曲线就是实际发生率和预测发生率的散点图。
此文会介绍图中各个点、线背后的数据。这里先看一下一个普通的校准曲线（未更改参数）。

二、校准曲线

1.怎么画？

（发文助手说内容太少，我用参数水点长度）
主要是画图参数：

• x：通过calibrate函数得到的object
• xlab：x轴标题
• ylab：y轴标题
• subtitles = TRUE：次标题，这里指图下方的注释（小文字），默认是TRUE，发文章的时候可能需要设置FALSE以去除。
• conf.int = TRUE：是否需要绘制误差线，默认是TRUE，绘制
• cex.subtitles = 0.75：次标题的文字大小
• riskdist = TRUE：是否绘制图上方的轴须图，就是那一条像长毛的东西
• add = FALSE，是否新建一个图还是添加在别的图之上。
• scat1d.opts：这个参数是设置轴须图的，不用过多关注，详情参考scat1d函数的参数。
• par.corrected：参数类型为list，用于设置误差点的参数。默认是NULL，函数内部会自动赋值为list(col = "blue", lty = 1, lwd = 1, pch = 4)，你的新参数会覆盖重复的参数。比如编辑可能会有奇怪的要求，不要那个校准的小x点，你就可以设置par.corrected=list(col='white)。

dd=datadist(data)   
options(datadist="dd")
f<-cph(Surv(DMFS新,DMFS结局类型)~组织学细分+T亚分级+S100,time.inc=60,data = data,x=TRUE,y=TRUE,surv=TRUE) 
cal <- calibrate(f, cmethod="KM", method="boot", u=60, m=  round(nrow(data)/3), B=1000)
cal
plot(cal,xlim=c(0,1),ylim=c(0,1))

2.怎么理解？

从校准曲线图可以发现，存在6个points，3个实心3个x状points，还有3条误差线。结合cal计算结果可以发现。
实心points：横坐标：是calibrate函数（以下简称cal）计算结果中的KM列，纵坐标是：cal中的mean.predicted列。
x points：叉状点的纵坐标是cal中的KM.corrected列。
误差条：误差是根据cal中的std.err列计算出来的具体计算函数是：上端：ifelse(KM == 0, 0, pmin(1, KM * exp(1.959964 * std.err)))。下端：ifelse(KM == 0, 0, KM * exp(1.959964 * (-std.err)))。
左右下角注释：可以发现图下面还有部分注释信息，含义分别为：

1. n=72代表有72数据
2. d=29代表结局事件发生数为29（即数据中29例的sutus=1）
3. p=6代表cox模型中系数有6个（注意：这里的系数数目和建模的变量数不是一回事，因为分类变量会有多个系数）
4. 24 subjects per group表示数据分组（后面将计算的时候再介绍）时，每组24个数据
5. Gray: ideal表示灰色的线为理想的线
6. B=1000 再这里表示进行了1000次重采样计算。
7. Based on observed-predicted表示cal数据中index.orig这一列是怎么计算来的，对于画图没有作用（挖个坑，后面再讲）。

3.验证

那么根据上述运行以下代码看图是否与之相同。

##准备误差线图数据
errl <- ifelse(cal[,"KM"] == 0, 0,  cal[,"KM"] * exp(1.959964 * (-cal[,"std.err"])))
errh <- ifelse(cal[,"KM"] == 0, 0, pmin(1, cal[,"KM"] * exp(1.959964 * cal[,"std.err"])))
##绘制误差线图
errbar(x = cal[,"mean.predicted"],y = cal[,"KM"],yminus = errl,yplus = errh,
       pch=16,cex=1.2,xlim = c(0,1),ylim = c(0,1),asp=1,xaxs='i',
       yaxs='i',
       xlab = 'Fraction surviving 60 Day',
       ylab = 'Predicted 60 Days Survival')
##添加灰色参考对角线
abline(a = 0,b = 1,col='grey')
##添加连线
lines(x = cal[,"mean.predicted"],y = cal[,"KM"])
##添加校准后的点
points(x = cal[,"mean.predicted"],y = cal[,"KM.corrected"],pch=4)
##绘制轴须图
scat1d(x = attr(cal,"predicted"),nhistSpike = 200)

不能说十分相似，只能说一摸一样了（为了表示我真的不是只改了原画图参数所得，可以明显看出上图中灰色参考线的图层在实现底下）。当然了，由于原函数中坐标比例的问题，观感可能不一样，但图表达的意思真的是一毛一样。

总结

为了更好的理解校准曲线，我去看了相关函数的源代码，算是一个自己的学习记录吧。

这篇只是开个头，还远没有结束，后面会继续更的。

本人小白，如有错误，请批评指正