Cox回归建模(可LASSO)+Nomogram+模型评价(ROC,C-curve,DCA)
1. 上传数据
选择文件
2. 变量选择
3. 数据集分割
是否分割数据集
不分割（全量分析）
分层抽样分割
人工指定训练验证集
训练集比例
随机种子
选择分割变量
4. 显著性水准
正态性
单因素P值(组间/Cox)
5. Ties(相同事件时间的处理方法)
Efron(准精确近似,R默认,推荐)
Breslow(粗略近似,SPSS默认)
6. 小数位数
统计量小数位
描述统计小数位
7. 单因素Cox
运行单因素Cox分析
8. LASSO设置
是否LASSO筛选
是
否
LASSO变量范围
仅单因素显著变量
全部单因素变量
种子遍历
起始
结束
遍历LASSO种子
种子号
额外建模变量（临床有意义但可能不显著的变量，强制纳入多因素Cox）
手动加入额外多因素Cox变量（需重新评估EPV）
运行LASSO+多因素Cox
运行多因素Cox回归
9. 分类变量标签
用于森林图和Nomogram中分类变量各水平的中文标注
10. 森林图
生成森林图
预测建模变量选择
仅多因素Cox显著变量建模
全多因素Cox变量建模
11. Nomogram
显示线性预测值
预测类型
结局事件负向(死亡/复发/进展)
结局事件正向(生存/无复发/无进展)
time.inc 校准基准时间(默认最后一个事件发生时间)
Nomogram时间点(可定义多个,半角逗号分隔)
时间点标签(可多个，与上方时间点对应，半角逗号分隔)
刻度位置(半角逗号分隔)
生成Nomogram
12. ROC / C曲线 / DCA
ROC类型
时间依赖性ROC(timeROC)
普通ROC(pROC)
时间点沿用上方Nomogram时间点设置
Bootstrap次数
100
200
300
400
500
600
700
800
900
1000
随机种子
生成ROC
C曲线m-全集/训练集(自动推荐,默认3组)
C曲线m-验证集(自动推荐,默认3组)
生成C曲线
显示置信区间（DCA bootstrap CI）
DCA净获益类型
原始NB（Y轴为实际净获益）
标准化NB（Y轴0~1）
生成DCA
下载全部结果 (ZIP)
PH假定检验
单因素Cox结果
分割对比
LASSO种子表
多因素Cox回归
森林图
Nomogram
ROC
C曲线
DCA
运行日志