点击蓝字关注我们
今天我们学习一下临床研究中常见的图的绘制-列线图。
列线图（Alignment Diagram），又称诺莫图（Nomogram图），它是建立在多因素回归分析的基础上，这里的回归既包括Logistic回归也包括cox回归，通过回归分析将多个预测指标进行整合，然后采用带有刻度的线段，表达预测模型中各个变量之间的相互关系。
根据百度百科给的解释，其主要是通过模型中各个影响因素对结局变量的贡献程度，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。
列线图既然也是一种图，那么它究竟代表的是什么呢？从本质上讲应该就是函数关系的可视化，将回归方程通过图形进行展示，使得结果更具有可读性。正是由于列线图这种直观便于理解的特点，使它在医学研究和临床实践中也逐渐得到了越来越多的关注和应用。
今天我们的主题便是如何借助R实现基于cox模型的列线图的绘制。
欲画该图，必备该包rms
1. 安装rmst包，操作很简单，直接install，接着加载进来就行，接着我们还需要加载示例数据，后台回复，即可领取。
这个example数据包含一个示例数据，如下，该数据集包括300个病人样本，6列数据，前两列是病人存活时间和存活状态，后面四列是年龄、性别、stage和血小板数四个指标，接下来的列线图模型主要是从四个因素进行列线图绘制：
2. 数据前处理：注意所有的数据都要经过datadist函数处理，这一步至关重要，否则将运行不成功，接着options进行设置，一般情况下原始的读入数据不应该包括缺失值，如果有缺失值，需要加上options(na.action="na.delete")
3. 构建Cox比例风险回归模型：
4. 建立生存函数
5. 绘制列线图
#此处maxscale=100定义了单项分数刻度为100分，也可以设置10分；fun.at是要显示的横坐标轴，可以不设置，但可能出现数字重叠的情况。
6. 画出列线图：
7. 美化出图，如下：
图如下：
Ok，至此我们的列线图结束，我们继续推出列线图美化系列，今天就和大家分享到这。
R语言绘图与统计
浅谈一款进阶软件R的实际运用
R语言系列第六期：②R语言基本绘图（下）
R语言系列第六期： ①R语言基本绘图（上）
R语言系列第五期（番外篇）：R语言与线性模型相关问题
R语言系列第五期：④R语言与生存分析
R语言系列第五期：③R语言逻辑回归预测和检验
R语言系列五：②R语言与逻辑回归建立
R语言系列五：①R语言与多元回归
R语言系列第四期（番外篇）：样本容量和把握度计算
R语言系列第四期：④R语言简单相关与回归
R语言系列第四期：③R语言表格数据率的比较
R语言系列第四期：②R语言多组样本方差分析与KW检验
R语言系列第四期：①R语言单样本双样本差异性检验
R语言系列第三期：③R语言表格及其图形展示
R语言系列第三期：②R语言多组汇总及图形展示
R语言系列第三期：①R语言单组汇总及图形展示
R语言系列第二期（番外篇）：R先生教你统计概率与分布
R语言系列第二期：①R变量、脚本、作图等模块介绍
R语言系列第二期：②R编程、函数、数据输入等功能
R语言系列第一期（番外篇 ）：R的6种对象—向量、矩阵、数组、因子、列表、数据框
R语言系列第一期：R语言背景、下载安装及功能介绍
手把手教你做倾向评分匹配
手把手教你比较两个模型的预测能力
手把手教你画双基因生存曲线
轻轻松松绘制桑基图
手把手教你学会风险因子关联图绘制
手把手教你绘制临床三线表
手把手教你学会森林图绘制
ggpubr—专为学术绘图而生
手把手教你用ggsci包绘制不同杂志风格的图形
手把手带你画高大上的lasso回归模型图
