當然還有更多R語言，生物信息學相關知識。。。🤭
Nomogram，也常稱為諾莫圖或者列線圖，在醫學領域的期刊出現頻率越來愈多，常用於評估腫瘤學和醫學的預后情況，可將Logistic回歸或Cox回歸的結果進行可視化呈現。
數據准備
使用TCGA-LIHC隊列的臨床數據，簡單處理后進行示例分析：
## 載入R包
library(rms)
library(survival)
## 讀取LIHC數據
LIHC <- read.csv("TCGA-LIHC-nomogram.csv",header=TRUE)
head(LIHC)
繪制nomogram圖
1）打包數據
## 關鍵步驟：按照nomogram要求“打包”數據，可以輸入??datadist查看詳細說明
dd=datadist(LIHC)
options(datadist="dd")
2）構建logist模型,繪制諾莫圖
## 構建logist模型,繪制諾莫圖
f <- lrm(status ~ age + gender + grade , data = LIHC)
nom <- nomogram(f, fun=plogis, lp=F, funlabel="Risk")
plot(nom)
3) 構建COX模型,繪制諾莫圖
A ：COX回歸中位生存時間的Nomogram
## 構建COX比例風險模型
f2 <- psm(Surv(time,status) ~ age+gender+grade,data = LIHC, dist='lognormal')
med <- Quantile(f2) # 計算中位生存時間
surv <- Survival(f2) # 構建生存概率函數
## 繪制COX回歸中位生存時間的Nomogram圖
nom <- nomogram(f2, fun=function(x) med(lp=x),funlabel="Median Survival Time")
plot(nom)
簡單介紹下使用，比如某患者年齡為50歲，那就在列線圖年齡為50歲的地方向上畫一條垂直線，即可得到其對應的得分（Points）；男性，則在男性的地方畫一條垂直線，以此類推，找出每個變量狀態下對應的得分，相加得到總得分。
最后將患者的總得分（Total Points）再向下畫一條垂直線，就可以知道該患者對應的中位生存時間。
下面例子同，可以知道未來1年、5年的生存率，當然也可以是其他時間節點。
## LIHC數據的time是以”天“為單位,此處繪制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)
當然也可以計算其他時間節點的生存率，同樣加到list中即可。
使用相對風險的指標（OR、HR）等統計之余，可以結合列線圖展示，能夠起到預測生存概率的作用，也會使預測模型的結果更直觀、易懂。
【覺得不錯，右下角點擊點個“在看”，轉發就是最好的支持和贊賞，謝謝！】
