Nomogram(诺莫图) | Logistic、Cox生存分析结果可视化

Nomogram,也被称为诺莫图或者列线图,在医学领域的期刊出现频率越来愈多,常用于评估肿瘤学和医学的预后情况,可将Logistic回归或Cox回归的结果进行可视化呈现。

数据准备

使用TCGA-LIHC队列的临床数据,简单处理后进行示例分析:

## 载入R包
library(rms)
library(survival)

## 读取LIHC数据
LIHC <- read.csv("TCGA-LIHC-nomogram.csv",header=TRUE)
head(LIHC)

绘制nomogram图

1 打包数据

关键步骤:按照nomogram要求“打包”数据

#可以输入??datadist查看详细说明
dd=datadist(LIHC)
options(datadist="dd")

2 构建logist模型,绘制诺莫图

## 构建logist模型,绘制诺莫图

f1 <- lrm(status ~ age + gender + grade , data =  LIHC)

nom <- nomogram(f1, fun=plogis, lp=F, funlabel="Risk")

plot(nom)

3 构建COX模型,绘制诺莫图

A :COX回归中位生存时间的Nomogram

## 构建COX比例风险模型
f2 <- psm(Surv(time,status) ~ age+gender+grade,data =  LIHC, 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)

简单介绍下使用,比如某患者年龄为50岁,那就在列线图年龄为50岁的地方向上画一条垂直线,即可得到其对应的得分(Points);男性,则在男性的地方画一条垂直线,以此类推,找出每个变量状态下对应的得分,相加得到总得分。

最后将患者的总得分(Total Points)再向下画一条垂直线,就可以知道该患者对应的中位生存时间。

下面例子同,可以知道未来1年、5年的生存率,当然也可以是其他时间节点。

B:绘制COX回归生存概率的Nomogram图

## LIHC数据的time是以”天“为单位,此处绘制1年,5年的生存概率
nom <- nomogram(f2, fun=list(function(x) surv(365, x),
                             function(x) surv(1825, x),
                             function(x) med(lp=x)),
                             funlabel=c("1-year Survival Probability", "5-year Survival Probability","Median Survival Time"))
plot(nom, xfrac=.2)

当然也可以计算其他时间节点的生存率,同样加到list中即可。

使用相对风险的指标(OR、HR)等统计之余,可以结合列线图展示,能够起到预测生存概率的作用,也会使预测模型的结果更直观、易懂。

下一篇
举报

扫码关注云+社区

领取腾讯云代金券