在上一篇同名公众号文章中，calibrarion曲线部分漏了一句代码，特此勘误，请以下面的代码为准
用训练集建立模型，并在其他集上做calibration曲线 R代码示例：
# 加载必要的库library(riskRegression)# 使用glm()函数在训练集上建立logistic回归模型formula <- as.formula(glue("response ~ predictor1 + predictor2 + ..."))logistic_model <- glm(formula, family = binomial(), data = train_data)# 使用 riskRegression 包的 Score 函数来获取calibration数据# 在训练集上cal_train <- riskRegression::Score(object = list(fit = logistic_model),formula = as.formula("response ~ 1"),plots = "calibration",data = train_data)# 在内部验证集上cal_validation <- riskRegression::Score(object = list(fit = logistic_model),formula = as.formula("response ~ 1"),plots = "calibration",data = validation_data)# 在外部验证集上cal_external <- riskRegression::Score(object = list(fit = logistic_model),formula = as.formula("response ~ 1"),plots = "calibration",data = external_data)# 绘制calibration曲线# 在训练集上riskRegression::plotCalibration(x = cal_train,xlab = "Predicted Risk",ylab = "Observed Risk",col = "black",brier.in.legend = TRUE,auc.in.legend = TRUE)# 在内部验证集上riskRegression::plotCalibration(x = cal_validation,xlab = "Predicted Risk",ylab = "Observed Risk",col = "black",brier.in.legend = TRUE,auc.in.legend = TRUE)# 在外部验证集上riskRegression::plotCalibration(x = cal_external,xlab = "Predicted Risk",ylab = "Observed Risk",col = "black",brier.in.legend = TRUE,auc.in.legend = TRUE)
如果不会编程的朋友，可以登录 www.mstata.com ，点击网站左上角的MSTATA医学统计机器人，选以研究类型分类-预测研究回归 - Logistic - nomogram 预测研究（一键生成 SCI 论文）。上面已经把整个流程自动打包，只需要鼠标点一点就能完成所有过程，直到生成一篇完整的 3000 字左右的 SCI 论文。
