科研Labs › DCA 决策曲线
DCA 决策曲线分析
评价预测模型的临床实用性：在不同「阈概率」下计算模型的净获益，并与「全部干预(Treat all)」「全不干预(Treat none)」两条参考线比较。 模型曲线在某阈概率区间高于两条参考线，说明按该模型决策能带来净获益。可同时比较多个模型。浏览器本地计算，数据不上传。
① 粘贴数据
第一行列名，其后每行一个对象：含结局列(1=事件/0=无)与一个或多个预测概率列(取值 0~1，可来自 Logistic/列线图)。可从 Excel 复制粘贴。
使用说明与方法学
DCA 决策曲线是用来干什么的？
它评价一个预测模型/标志物在实际决策中是否「有用」。AUC 和校准度衡量模型本身好不好，但不直接回答「按它决策能不能带来净好处」。DCA 在各种风险阈值下算净获益，和「全干预」「全不干预」两种默认策略比较，看模型在哪些阈值范围更优。
阈概率(threshold probability)是什么？
你认为风险高到多少就该采取干预（如做活检、用药）的临界概率。它隐含了你对「漏诊」与「过度治疗」相对代价的权衡：阈概率越高，说明你越不愿意为低风险者干预。DCA 在一段阈概率范围上同时展示，便于覆盖不同临床偏好。
净获益(net benefit)怎么理解？
净获益 = 真阳性比例 − 假阳性比例×(pt/(1−pt))，即把「多治一个不该治的人」的代价按阈概率折算后，从「正确干预的获益」里扣除。它把收益和代价放到同一把尺子上，数值可直接在不同策略间比较。
预测概率从哪来？多个模型怎么比？
通常来自 Logistic 回归或列线图给每个对象算出的患病/发病概率（0~1）。把多个模型的概率各放一列，本工具会为每个模型画一条曲线，曲线整体更高、且在临床关心的阈概率区间更高的模型更优。