基于R语言的DynNom包绘制动态列线图

列线图，又称诺莫图（Nomogram），它是建立在回归分析的基础上，使用多个临床指标或者生物属性，然后采用带有分数高低的线段，从而达到设置的目的：基于多个变量的值预测一定的临床结局或者某类事件发生的概率。列线图(Nomogram)可以用于多指标联合诊断或预测疾病发病或进展。近些年来在高质量SCI临床论文中用的越来越多。列线图将回归模型转换成了可以直观的视图，让结果更容易判断，具有可读性，。
我们既往已经介绍了使用使用R语言rms包绘制列线图，今天我们来介绍一下怎么使用R语言DynNom包绘制动态列线图，它的呈现方式比传统列线图更加直接，不用计算分数就可以直接给出结果，废话不多说，立即进入正题，还是使用我们既往的乳腺癌数据，先导入包和导入数据。

library(DynNom)
library(survival)
library(rms)
library(foreign)
bc <- read.spss("E:/r/test/Breast cancer survival agec.sav",
                use.value.labels=F, to.data.frame=T)

我们先来看看数据：
age表示年龄，pathsize表示病理肿瘤大小（厘米），lnpos表示腋窝淋巴结阳性，histgrad表示病理组织学等级，er表示雌激素受体状态，pr表示孕激素受体状态，status结局事件是否死亡，pathscat表示病理肿瘤大小类别（分组变量），ln_yesno表示是否有淋巴结肿大，time是生存时间，后面的agec是我们自己设定的，不用管它。

删除缺失值，把分类变量转换成因子

bc <- na.omit(bc)
bc$er<-as.factor(bc$er)
bc$pr<-as.factor(bc$pr)
bc$ln_yesno<-as.factor(bc$ln_yesno)

我们先来使用rms包来绘制一个传统列线图
对数据进行打包

dd <- datadist(bc)
options(datadist="dd")

建立回归方程并且绘制列线图

f1<- cph(Surv(time, status) ~ age + 
           pathsize+ er + pr + ln_yesno, surv=T, data=bc)
surv <- Survival(f1)
nom <- nomogram(f1, fun=list(function(x) surv(36, x), function(x) surv(60, x), 
                             function(x) surv(120, x)), lp=F, funlabel=c("3-year survival", "5-year survival", "10-year survival"),
                maxscale=10, fun.at=c(0.95, 0.9, 0.85, 0.8, 0.75, 0.7, 0.6, 0.5))
plot(nom)

现在来说说怎么绘制动态列线图，当我们建立好回归方程f1后，就可以绘制动态列线图了

DynNom(f1,bc)

接下来会弹出一个页面如下;

我们可以根据自己的需要进行选择，假设我想比较50岁，肿瘤3cm，有淋巴结肿大和没有淋巴结肿大的3年生存率

点击：Predicted Survival，可以转到风险比例的界面


点击按键：Predicted Survival at this Follow Up，在time这里我们可以调整生存时间，获得我们需要的数据

还可以得出很详尽的模型和数据资料


除此COX回归外之外，lm, glm, ols, Glm, lrm, cph, mgcv::gam模型都是可以制作的，有些人可能想问了，那图片怎么导出来，我们可以看到R里面有这样一个地址

我们把它复制下来再浏览器打开，可以看到在网页上也出现一个一模一样的

其实它原理就是调用一个网页来帮我们计算绘图，有了网页数据，我们直接在网页上导出图片就可以了。
OK，今天就说到这里了，其他功能留您自己摸索，其实建立模型后作图非常简单，您可以试试。
更多精彩文章请关注公众号：零基础说科研