| R语言实战临床预测模型 | 您所在的位置：网站首页 › 单因素cox回归分析和km › R语言实战临床预测模型 |
|
3 Cox回归列线图绘制
Cox比例风险模型也是多因素回归模型的一种，在考虑结局时，还加入了时间因素的影响。 列线图（Alignment Diagram），又称诺莫图（Nomogram图），用来把多因素回归分析结果（logistic回归和cox回归）用图形方式表现出来，将多个预测指标进行整合，然后采用带有刻度的线段，按照一定的比例绘制在同一平面上，从而用以表达预测模型中各个变量之间的相互关系。 根据模型中各个影响因素对结局变量的贡献程度（回归系数的大小），给每个影响因素的每个取值水平进行赋分，然后再将各个评分相加得到总评分，最后通过总评分与结局事件发生概率之间的函数转换关系，从而计算出该个体结局事件的预测值。 简单地说，就是把你的模型用图形化的方式展示出来。 列线图无论是在单纯的临床预测模型类文章、还是和生信数据挖掘结合的预测模型类文章中，都是标配。 下面给大家介绍4种cox回归列线图的绘制方法。 3.1 加载数据和R包Cox回归模型在医学统计中是一个很重要的统计方法，关于Cox比例风险模型，我写过一些实现方法的推文，大家可以参考： R语言生存分析：Cox回归 R语言时依系数和时依协变量Cox回归 # 加载需要的R包和数据 library(survival) library(rms) ## Loading required package: Hmisc ## ## Attaching package: 'Hmisc' ## The following objects are masked from 'package:base': ## ## format.pval, units ## Warning in .recacheSubclasses(def@className, def, env): undefined subclass ## "ndiMatrix" of class "replValueSp"; definition not updated rm(list = ls()) dim(lung) ## [1] 228 10 str(lung) ## 'data.frame': 228 obs. of 10 variables: ## $ inst : num 3 3 3 5 1 12 7 11 1 7 ... ## $ time : num 306 455 1010 210 883 ... ## $ status : num 2 2 1 2 2 1 2 2 2 2 ... ## $ age : num 74 68 56 57 60 74 68 71 53 61 ... ## $ sex : num 1 1 1 1 1 1 2 2 1 1 ... ## $ ph.ecog : num 1 0 0 1 0 1 2 2 1 2 ... ## $ ph.karno : num 90 90 90 90 100 50 70 60 70 70 ... ## $ pat.karno: num 100 90 90 60 90 80 60 80 80 70 ... ## $ meal.cal : num 1175 1225 NA 1150 NA ... ## $ wt.loss : num NA 15 15 11 0 0 10 1 16 34 ... 3.2 方法1：rms大多数情况下都是使用1代表死亡，0代表删失，下面这个演示数据集用2代表死亡。在这里没有影响，但有的R包会报错，需要注意！ # 使用rms包需要对数据进行“打包”操作 dd |
| CopyRight 2018-2019 实验室设备网 版权所有 |