R绘制Nomogram图

Nomogram，中文常称为诺莫图或者列线图，简单的说是将Logistic回归或Cox回归的结果进行可视化呈现。它根据所有自变量回归系数的大小来制定评分标准，给每个自变量的每种取值水平一个评分，对每个患者，就可计算得到一个总分，再通过得分与结局发生概率之间的转换函数来计算每个患者的结局时间发生的概率。

下图显示的logisitc回归的诺曼图。比如想知道年龄70岁的男性的患病风险，只需要将age=70岁向points轴投射，则points≈70；同理sex=male时，points≈65。两者相加则Total points=135；将此数值在Total points轴上向Risk概率轴投射，则可知风险大概为0.83左右。

对于Cox回归，则可以简便地获得不同预测变量单独或组合情况下的中位生存时间或预测的生存概率。

下图显示的中位生存时间的诺曼图，比如想看60岁女性的中位生存时间，同样，首先找到60岁女性对应的总点数，约为116分，对应的中位生存时间约为550天

同理，可以通过下面生存概率的诺曼图，找到60岁女性的1年及2年的生存概率分别约为65%和40%

从上可以看到，诺曼图相当于一个预测工具，预测效果的好坏则可以通过C-index（意义上等价于AUC，由于算法的不同，两者结果略有差异）和下面的校正曲线来评价：

以下是绘制上述图形的R编码及详细说明，为了方便重复，所以采用程序包自带的数据库：

## 绘制nomogram图
## 第一步 读取rms程序包及辅助程序包
library(Hmisc); library(grid); library(lattice);library(Formula); library(ggplot2)
library(rms)## 第二步 读取数据，以survival程序包的lung数据来进行演示
## 列举survival程序包中的数据集
library(survival)
data(package = "survival")## 读取lung数据集
data(lung)## 显示lung数据集的前6行结果
head(lung)## 显示lung数据集的变量说明
help(lung)## 添加变量标签以便后续说明
lung$sex <- factor(lung$sex,levels = c(1,2),labels = c("male", "female"))## 第三步 按照nomogram要求“打包”数据，绘制nomogram的关键步骤,??datadist查看详细说明
dd=datadist(lung)
options(datadist="dd") ## 第四步 构建模型
## 构建logisitc回归模型
f1 <- lrm(status~ age + sex, data = lung) ## 绘制logisitc回归的风险预测值的nomogram图
nom <- nomogram(f1, fun= function(x)1/(1+exp(-x)), # or fun=plogislp=F, funlabel="Risk")
plot(nom)## 构建COX比例风险模型
f2 <- psm(Surv(time,status) ~ age+sex, data =  lung, dist='lognormal')
med <- Quantile(f2) # 计算中位生存时间
surv <- Survival(f2) # 构建生存概率函数## 绘制COX回归中位生存时间的Nomogram图
nom <- nomogram(f2, fun=function(x) med(lp=x),funlabel="Median Survival Time")
plot(nom)## 绘制COX回归生存概率的Nomogram图
## 注意lung数据的time是以”天“为单位
nom <- nomogram(f2, fun=list(function(x) surv(365, x),function(x) surv(730, x)),funlabel=c("1-year Survival Probability","2-year Survival Probability"))
plot(nom, xfrac=.6)## 评价COX回归的预测效果
## 第一步 计算c-index
rcorrcens(Surv(time,status) ~ predict(f2), data =  lung)## 第二步 绘制校正曲线
## 参数说明：
## 1、绘制校正曲线前需要在模型函数中添加参数x=T, y=T，详细参考帮助
## 2、u需要与之前模型中定义好的time.inc一致，即365或730；
## 3、m要根据样本量来确定，由于标准曲线一般将所有样本分为3组（在图中显示3个点）
## 而m代表每组的样本量数，因此m*3应该等于或近似等于样本量；
## 4、b代表最大再抽样的样本量## 重新调整模型函数f2，也即添加x=T, y=T
f2 <- psm(Surv(time,status) ~ age+sex, data =  lung, x=T, y=T, dist='lognormal')
## 构建校正曲线
cal1 <- calibrate(f2, cmethod='KM', method="boot", u=365, m=76, B=228)## 绘制校正曲线，??rms::calibrate查看详细参数说明
par(mar=c(8,5,3,2),cex = 1.0)
plot(cal1,lwd=2,lty=1,errbar.col=c(rgb(0,118,192,maxColorValue=255)),xlim=c(0.25,0.6),ylim=c(0.15,0.70),xlab="Nomogram-Predicted Probability of 1-Year DFS",ylab="Actual 1-Year DFS (proportion)",col=c(rgb(192,98,83,maxColorValue=255)))## rms::nomogram的完整示例详见rms程序包的帮助文件
## rms程序包的帮助文件下载网址：https://cran.r-project.org/web/packages/rms/rms.pdf
## 代表性参考文献1：http://jco.ascopubs.org/content/26/8/1364.long
## 代表性参考文献2：http://jco.ascopubs.org/content/31/9/1188.long

转载自：http://bbs.pinggu.org/thread-4115525-1-1.html

其他链接：

http://www.dxy.cn/bbs/thread/27318323#27318323

R绘制Nomogram图相关推荐

R绘制Nomogram图的学习笔记
Nomogram,中文常称为诺莫图或者列线图,简单的说是将Logistic回归或Cox回归的结果进行可视化呈现.它根据所有自变量回归系数的大小来制定评分标准,给每个自变量的每种取值水平一个评分,对每个 ...
R绘制坡度图（Slope Chart）
R绘制坡度图(Slope Chart) 坡度图(Slope Chart)可以高效地可视化同一个核心指标随着时间推移的变化情况.目前,还没有现成的构建函数来绘制坡度图. 下面的代码可以作为一个抛砖引玉的 ...
R绘制面积图（area plot）
R绘制面积图(area plot) 面积图面积图与折线图.柱形图.散点图一样,都是属于常用的商务图表.面积图是一种随时间变化而改变范围的图表,主要强调数量与时间的关系.例如,用某企业每个月销售额绘制 ...
R绘制QQ图并解读QQ图
R绘制QQ图并解读QQ图目录 R绘制QQ图并解读QQ图 Q-Q图 R绘制QQ图美化Q-Q图
【数据可视化应用】绘制森林图（附Python和R语言代码）
森林图(Forest Plot)的简单介绍森林图(Forest Plot) 常用于Meta分析结果展示使用.森林图(可以将观察到的效果.置信区间以及每个研究对象的权重等信息全部表示出来,是一种简单直 ...
R | 可视化 | 热图（Heatmap）
1 基础绘制 R绘制热图时,数据需要输入一个矩阵,可以用as.matrix()把它转换成矩阵.这里利用R自带的数据集绘制热图. > # 数据 > data <- as.matrix( ...
R EnhancedVolcano 绘制火山图
火山图是用于差异表达分析结果可视化的一种有效方法.今天,我们来介绍一个用于增强火山图绘制的强大 R 包:EnhancedVolcano ,该包拥有强大的绘图功能,用户可以简单的通过设置颜色.形状.大小 ...
R 绘制 GWAS 研究的 Manhattan 图
曼哈顿图本质上是一个散点图,用于显示大量非零大范围波动数值,最早应用于全基因组关联分析(GWAS)研究展示高度相关位点.它得名源于样式与曼哈顿天际线相似(如下图). 近几年,在宏基因组领域,尤其是差异 ...
R绘制带显著性标记的热图
今天小编接着来介绍R绘制带有显著性的热图. 测试数据文件: ①table1.txt ②col_group.txt ③row_group.txt 1.导入pheatmap包,读取数据: #导入包 lib ...

R绘制Nomogram图

R绘制Nomogram图相关推荐

最新文章

热门文章