本文首发于“生信补给站”公众号 https://mp.weixin.qq.com/s/BWpy3F-nEKXCdVXmY3GYZg
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。
## 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)
B：绘制COX回归生存概率的Nomogram图
/
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。
