临床决策分析（DCA）演示APP：理解DCA分析

之前讨论了DCA分析的分析过程和作用，认为其最主要的作用是确定预测模型的决策阈值，从而促进预测模型与临床的结合。DCA的影响不止于此，在DCA分析中，预测模型的作用是筛选高危人群，需要接受更加准确但花费大的临床手段的检查，而不是直接去判断。DCA分析定位预测模型是临床检查手段有益的辅助，显然为预测模型进入临床扫清了障碍；其次，DCA分析中的决策阈值直接与模型预测概率相关，模型预测概率（校准曲线）合格与否直接决定了是否能准确筛选出高危患者，这要求我们更加关注模型校准曲线这个评价指标，而不仅仅是ROC曲线下面积；再次，决策阈值是一个点或者一个范围，那比较两个模型效能的时候，是不是在决策阈值规定的范围内比较并取得优势的比较才是有优势的模型?预测模型的评价是否需要进行局部评价，而不是整体评价？

为了能更好地体会DCA分析获得决策阈值的过程，构建了DCA分析演示APP（图1）。在APP中，可以上传csv或tsv文件，指定y变量和x变量，从而绘制决策曲线并计算净收益的值（图2），随后确定预测模型后续检查手段的cost-benefit ratio而获得决策阈值或决策阈值范围（图3）。从中直观体会整个DCA分析中获取决策阈值范围的过程。

该APP目前仅仅是使用了官方R文库（rmda）构建DCA，使用的模型是逻辑回归模型，能够达到演示DCA过程的目的，配合各种的文字介绍，可以快速理解DCA分析的过程。未来进一步丰富的功能可能包括，实现直接使用模型预测概率来绘制决策曲线，这样就可以实现对随机森林等模型的决策曲线的绘制；另外，鉴于修正预测概率的保序回归（isotonic regression）的重要作用，会有保序回归展示部分。

DCA演示APP访问地址：https://liuyp2080.shinyapps.io/DcaDemonstration/