연구 Labs › DCA 결정곡선
DCA 결정곡선분석
评价预测모형的临床实用性：在다른「阈확률」下계산모형的순이익，并与「全部중재(Treat all)」「全不중재(Treat none)」两条参考线비교。 모형곡선在某阈확률区间高于两条参考线，설명按该모형决策能带来순이익。可同时비교多个모형。브라우저 로컬계산，데이터업로드하지 않음。
① 데이터 붙여넣기
第一行列名，그 다음한 줄에 하나명 대상：含결과변수列(1=사건/0=无)与一个或多个예측 확률列(取值 0~1，可来自 Logistic/노모그램)。가능 출처 Excel 복사붙여넣기。
使用说明与方法学
DCA 결정곡선是用来干什么的？
它评价一个预测모형/생체표지자在实际决策中여부「有用」。AUC 和교정度衡量모형本身好不好，但不直接回答「按它决策能不能带来净好处」。DCA 在各种위험임계값下算순이익，和「全중재」「全不중재」两种默认策略비교，看모형在哪些임계값范围更优。
阈확률(threshold probability)是什么？
你认为위험高到多少就该采取중재（如做活检、用药）的临界확률。它隐含了你对「漏诊」与「过度치료」相对代价的权衡：阈확률越高，설명你越不愿意为低위험者중재。DCA 在一段阈확률范围上同时展示，便于覆盖다른临床偏好。
순이익(net benefit)怎么理解？
순이익 = 真양성比명 − 假양성比명×(pt/(1−pt))，即把「多治一个不该治的人」的代价按阈확률折算后，从「正确중재的获益」里扣除。它把收益和代价放到同一把尺子上，수치可直接在다른策略间비교。
예측 확률从哪来？多个모형怎么比？
보통来自 Logistic 회귀或노모그램给每명 대상算出的患病/发病확률（0~1）。把多个모형的확률各放一列，本도구会为每个모형画一条곡선，곡선整体更高、且在临床关心的阈확률区间更高的모형更优。