DCA(Decision Curve Analysis)临床决策曲线是一种用于评价诊断模型诊断准确性的方法。上一节中我们介绍了stata使用dca包来进行logistic回归的临床决策曲线，有不少朋友发信息说不会制作cox回归制作临床决策曲线，今天我们继续来介绍怎么使用stdca包是用来制作cox回归临床决策曲线，首先要安装stdca包，可以看我上一篇文章怎么安装。 继续使用我们的乳腺癌数据，既往我们已经使用R语言ggDCA包来制作cox回归临床决策曲线，等会我们使用stata制作会进行比较一下 先把乳腺癌数据导入 我们先来看看数据： age表示年龄，pathsize表示病理肿瘤大小（厘米），lnpos表示腋窝淋巴结阳性，histgrad表示病理组织学等级，er表示雌激素受体状态，pr表示孕激素受体状态，status结局事件是否死亡，pathscat表示病理肿瘤大小类别（分组变量），ln_yesno表示是否有淋巴结肿大，time是生存时间，后面的agec是我们自己设定的，不用管它。 这里我就不分建模和验证数据集了，简单点直接建模了。 首先要设置结局变量和时间变量，可以菜单和命令，我这里就直接上命令了，想看菜单的可以看我既往的文章

构建模型，可以构建多个模型比较，我这里做个示范只建一个，basesurv的意思是生成一个名字叫做surv_func的基线预测概率

接下来生成模型的预测概率pr1,xb是线性概率的意思

假设我们想获得60个月的生存概率, _t这个指标是stata自己生成的，_t-t0就是生存时间，_t在这里其实就是指标time，sum是对surv_func这个指标进行一个累加及统计描述的意思