基于Lasso回归筛选变量构建Cox模型并绘制Nomogram

01 研究背景

本章是基于Lasso回归筛选变量后，构建Cox回归临床预测模型，并绘制Nomogram图。Cox模型是一种半参数模型，该模型以生存结局和生存时间为因变量，分析多个因素对生存期的影响，常用RR来量化这种结果，绘制Nomogram列线图实现个体预测。有关Lasso回归可见公众号前文章介绍。

02 案例研究

本文数据收集了83例癌症患者的生存资料，包含患者年龄、性别、癌症分期等。研究目的探讨癌症患者生存情况的影响因素并构建预测模型。临床研究一般有提供多个危险因素，首先做单因素的筛选，具体筛选方法，见公众号之前的文章。本文采用Lasso回归筛选因素。

具体分析步骤是①筛选变量②基于这些变量构建模型③绘制Nomogram图，预测不同时间生存概率。③计算模型c_index(区分度)该步骤用神包rms一步实现。接下来直接上代码。

03 R代码及解读

##加载包 明确每个包的作用
library(glmnet) ##Lasso回归
library(rms)  ## 画列线图；
library(VIM) ## 包中aggr()函数，判断数据缺失情况
library(survival) ##  生存分析包
#读取数据集
dt <-read.csv("cancer.csv")

str(dt)  ##查看每个变量结构aggr(dt,prop=T,numbers=T) #判断数据缺失情况，红色表示有缺失。dt <- na.omit(dt) 按行删除缺失值

由图片可看到所有变量都为蓝色，没有缺失值。如果用na.omit()函数按照行删除。

第一步，也是很重要的一步，数据整理。

#用for循环语句将数值型变量转为因子变量
for(i in names(dt)[c(4:9)]) {dt[,i] <- as.factor(dt[,i])}
##筛选变量前，首先将自变量数据（因子变量）转变成矩阵（matrix）
## Lasso要求的数据类型
x.factors <- modtel.matrix(~ dt$sex+dt$trt+dt$bui+dt$ch+dt$p+dt$stage,dt)[,-1]
#将矩阵的因子变量与其它定量边量合并成数据框，定义了自变量。
x <- as.matrix(dtata.frame(x.factors,dt[,3]))
#设置应变量，打包生存时间和生存状态（生存数据）
y <- data.matrix(Surv(dt$time,dt$censor))

第二步：Lasso回归筛选变量

#调用glmnet包中的glmnet函数，注意family那里一定要制定是“cox”，如果是做logistic需要换成"binomial"。
fit <-glmnet(x,y,family = "cox",alpha = 1)
plot(fit,label=T)
plot(fit,xvar="lambda",label=T)
#主要在做交叉验证,lasso
fitcv <- cv.glmnet(x,y,family="cox", alpha=1,nfolds=10)
plot(fitcv)
coef(fitcv, s="lambda.min")
##
#9 x 1 sparse Matrix of class "dgCMatrix"                1
##d.sex1    .
##d.trt1    .
##d.bui1    .
##d.ch2     .
##d.ch3     .
##d.ch4    -0.330676
##d.p1      .
##d.stage4  .
##d...3.    .

该图在之前文章提到，见如何进行高维变量筛选和特征选择(一)？Lasso回归，由上述代码以及图片完成变量筛选，这里只做演示，假设所有的变量都入选了，我们用这些入选的变量构建Cox回归模型。

第三步：构建Cox模型，并检验等比例风险

#拟合cox回归
coxm <- cph(Surv(time,censor==1)~age+sex+trt+bui+ch+p+stage,x=T,y=T,data=dt,surv=T)
cox.zph(coxm)#等比例风险假定
##       chisq df     p
##age    1.993  1 0.158
##sex    0.363  1 0.547
##trt    3.735  1 0.053
##bui    2.587  1 0.108
##ch     0.296  1 0.587
##p      0.307  1 0.579
##stage  0.395  1 0.530
##GLOBAL 9.802  7 0.200

注意chp()函数的写法，其中因变量需要用Surv()先打包。后面写法同LR。
等比例风险检验：最后面的GLOBAL是整体看，P值大于0.05，全模型整体都是满足的。对于每一个分类来说P值大于0.05，也是满足的。

第四步：绘制nomogram图，注意该函数里面的参数设置。

###开始cox nomo graph
surv <- Survival(coxm) # 建立生存函数surv1 <- function(x)surv(1*3,lp=x) # 定义time.inc,3月OS
surv2 <- function(x)surv(1*6,lp=x) # 定义time.inc,6月OS
surv3 <- function(x)surv(1*12,lp=x) # 定义time.inc,1年OSdd<-datadist(dt) #设置工作环境变量，将数据整合
options(datadist='dd') #设置工作环境变量，将数据整合plot(nomogram(coxm,fun=list(surv1,surv2,surv3),lp= F,funlabel=c('3-Month Survival','6-Month survival','12-Month survival'),maxscale=100,fun.at=c('0.9','0.85','0.80','0.70','0.6','0.5','0.4','0.3','0.2','0.1')),xfrac=.45)
#maxscale 参数指定最高分数，一般设置为100或者10分
#fun.at 设置生存率的刻度
#xfrac 设置数值轴与最左边标签的距离，可以调节下数值观察下图片变化情况
plot(nomogram)

该图的使用，本质上是将Cox回归模型可视化展示，方便临床快速判断。假设有个病人性别为女，trt为0，P期为1，Nomogram用法是在sex变量上找到其值为1的刻度，然后画垂线投影到最上方的points刻度尺上，找到对应的分值为75分，同理找到trt为0的分值约为50分，P为1的对应分值为100，将这三个因素的points值加起来总分225。下一步在下面的Total Points刻度尺上找到225分，向下方的3个轴做垂线，6-Month-survival对应的值在0.6和0.7之间，约为0.65，说明该患者6个月的生存概率值为65%，其他以此类推。

第三步：利用rms包计算模型区分度。

##模型验证
#Concordance index
f<-coxph(Surv(time,censor==1)~age+sex+trt+bui+ch+p+stage,data=d)
sum.surv<-summary(f)
c_index<-sum.surv$concordance
c_index  ##
##C      se(C)
##0.55396619 0.07664425

该模型的区分度C-index为0.554，其本质同ROC曲线面积。结果显示，该模型的区分度一般。根据前面变量筛选，考虑纳入更多的影响因素和样本。

基于Lasso回归筛选变量构建Cox模型并绘制Nomogram相关推荐

R语言survival包Surv函数创建生存对象、建立Cox回归模型（包含所有协变量）比较不同治疗方法生存率的差异、drop1函数计算cox回归模型自变量似然比检验值、删除冗余变量重新构建cox模型
R语言使用survival包的Surv函数创建生存对象.建立Cox回归模型(包含所有协变量)比较不同治疗方法生存率的差异.使用drop1函数计算cox回归模型自变量似然比检验结果.删除冗余变量重新构建 ...
sklearn使用投票回归VotingRegressor算法构建多模型融合的投票回归模型、并自定义子回归器的权重（weights）、评估多模型融合的回归模型、评估R2、mse、rmse、mape
sklearn使用投票回归VotingRegressor算法构建多模型融合的投票回归模型.并自定义子回归器的权重(weights).评估多模型融合的回归模型.评估R2.mse.rmse.mape 目录
使用R构建Xgboost模型并绘制ROC曲线
使用R构建Xgboost模型并绘制ROC曲线 xgboost算法论文全称为<XGBoost: A Scalable Tree Boosting System>,由陈天奇于2016年发表的, ...
（六十二）基于logistic回归的信用评级和分类模型评估
案例数据介绍本案例中的企业从事个人汽车金融服务,向购车的个人提供信用贷款.该公司的风控部门根据贷款申请者的基本属性.信贷历史.历史信用情况.贷款标的物的情况等信息构建贷款违约顶测模型,其中是否违约b ...
Nature | 基于66种癌症类型训练机器学习模型，绘制癌症基因潜在驱动突变图谱...
随着医疗技术的进步,人类的健康水平获得了极大提升.但面对给人类健康带来巨大威胁的癌症,尚没有十分有效的治疗手段.据世界卫生组织统计报告,2012年全世界估计约1410万人被检测出癌症,并造成820万人 ...
语言nomogram校准曲线图_R语言实现Cox模型校准度曲线绘制
01 研究背景这是关于cox模型的第二篇文章,上一篇文章分享了运用Lasso回归如何筛选变量,将筛选后的变量绘制Nomogram图,本章分享构建模型后,如何绘制校准曲线. cox模型的验证不同于Lo ...
基于Python的岭回归与LASSO回归模型介绍及实践
基于Python的岭回归与LASSO回归模型介绍及实践这是一篇学习的总结笔记参考自<从零开始学数据分析与挖掘> [中]刘顺祥著完整代码及实践所用数据集等资料放置于:Github 岭 ...
机器学习第20篇 - 基于Boruta选择的特征变量构建随机森林
前面机器学习第18篇 - Boruta特征变量筛选(2)已经完成了特征变量筛选,下面看下基于筛选的特征变量构建的模型准确性怎样? 定义一个函数生成一些列用来测试的mtry (一系列不大于总变量数的数值 ...
如何基于数据快速构建用户模型(Persona)?
用户模型(Persona)是Alan Cooper在<About Face:交互设计精髓>一书中提到的研究用户的系统化方法.它是产品经理.交互设计师了解用户目标和需求.与开发团队及相关人交 ...
【机器学习之线性回归】多元线性回归模型的搭建+Lasso回归的特征提取
文章目录前言一.多元线性回归 1.原理介绍 2.sklearn代码实现二.Lasso回归 1.原理介绍 2.sklearn代码实现三.总结前言回归是监督学习的一个重要问题,回归用于预测输入 ...

基于Lasso回归筛选变量构建Cox模型并绘制Nomogram

基于Lasso回归筛选变量构建Cox模型并绘制Nomogram相关推荐

最新文章

热门文章