数据划分概览

各方法筛选结果汇总

各方法选出变量数

Venn 图

变量被选次数热力图

交集变量详情

逐步回归结果

模型摘要

变量系数表

模型评价图

SurvivalFeatureSelector 使用指南

1. 数据准备 ：指定生存时间列和事件状态列（0=删失，1=事件）。支持单文件上传（自动按6:2:2划分）或分别导入训练/验证/测试集。Demo 数据为 survival::pbc 数据集（276例18变量）。
2. 特征筛选 ：从6种方法中选择>=3种。每种方法在 训练集 上独立运行，选出各自认为重要的变量。
3. 取交集 ：支持严格交集（所有方法都选中）或投票交集（>=N种方法选中）。交集结果作为逐步回归的候选变量。
4. 逐步回归 ：在训练集上进行前向/后向/双向逐步Cox回归，按AIC准则优化模型。
5. Cox 建模 ：用逐步回归选出的变量建立 Cox 比例风险模型，输出模型摘要（HR、95%CI、P值）和系数表。
6. 模型评价 ：在训练/验证/测试集上全面评价模型性能，包括以下内容：
   • Nomogram 列线图 ：基于 rms::cph 模型，预测指定时间点的生存概率，概率标签为 0.05/0.25/0.50/0.75/0.95。可通过时间点选择按钮切换三个时间点（33%/67%/90% 分位数）。
   • 校准曲线 ：rms::calibrate bootstrap 法评估预测概率与实际概率的一致性，随时间点选择联动。
   • ROC 曲线 ：基于 timeROC 的训练集时间相关 ROC，AUC 值标注在图右下角，随时间点选择联动。
   • AUC 对比 ：三个集合（训练/验证/测试）在所选时间点的 AUC 柱状图对比，随时间点选择联动。
   • PH 假定检验 ：Schoenfeld 残差检验比例风险假定，P > 0.05 表示满足假定。
   • KM 校准曲线 ：将风险分为低/中/高三组，比较三组生存曲线的差异。
   • KM 风险分层 ：以中位线性预测值为界分为高/低危两组，比较生存差异。
   • DCA 决策曲线 ：决策曲线分析，评估临床净获益。三张图统一使用 训练集的中位时间点 作为评价时间。

6种筛选方法说明

最佳实践建议

• 推荐组合 ：Cox-LASSO + RSF + 单变量Cox（线性多变量 + 非线性多变量 + 线性单变量）
• 变量数 > 200 时，先用单变量Cox或互信息粗筛到50-100个，再用Cox-LASSO/RSF精选
• 交集后变量 < 3 个时，考虑放宽投票阈值或增加筛选方法
• 建模后检查Schoenfeld残差，若PH假定不满足，考虑分层或时变系数
• Nomogram 和校准曲线依赖 rms::cph 重新拟合模型（非原始 Cox 模型），时间点选择会影响 Nomogram 的生存概率轴和校准曲线的评价时间