Logistic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. OR 95%CI 方法
Wald（同SPSS）
Profile Likelihood（R默认，小样本稳健）
5. 显著性水准
正态性
单因素P值(组间检验/单因素逻辑回归)
统计量小数位
描述统计小数位
6. 单因素
显著变量来源
组间检验P值（默认）
单因素逻辑回归P值
运行单因素分析
7. LASSO设置
是否LASSO筛选
是
否
LASSO变量范围
仅单因素显著变量（默认）
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，强制纳入多因素逻辑回归）
手动加入额外多因素逻辑回归变量（需重新评估EPV）
运行LASSO+逻辑回归
运行多因素逻辑回归
8. 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
9. 森林图
生成森林图
预测建模变量选择
仅多因素逻辑回归显著变量建模
全变量建模
10. Nomogram
显示线性预测值
预测标签
刻度位置(半角逗号分隔)
生成Nomogram
11. ROC / C曲线 / DCA
Bootstrap次数
100
200
300
400
500
600
700
800
900
1000
随机种子
生成ROC
生成C曲线
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）
显示DCA bootstrap CI
生成DCA
下载全部结果 (ZIP)
单因素结果
分割对比
LASSO种子表
多因素逻辑回归
森林图
Nomogram
ROC
C曲线
DCA
运行日志