R数据分析：生存分析的列线图的理解与绘制详细教程

列线图作为一个非常简单明了的临床辅助决策工具，在临床中用的（发文章的）还是比较多的，尤其是肿瘤预后：

Nomograms are widely used for cancer prognosis, primarily because of their ability to reduce statistical predictive models into a single numerical estimate of the probability of an event, such as death or recurrence, that is tailored to the profile of an individual patient.

找个公开数据库做生存分析出个列线图，然后出个文章是很多临床同学可以依赖的较容易的实现路径，之前有给大家介绍过列线图，今天开始再给大家比较详细地写写生存分析列线图系列，希望可以对大家有帮助。

理解列线图

要弄明白生存分析的列线图的出图逻辑。我们首先来回顾下cox模型究竟是拟合是什么东西，看下图：

在基础风险确定后，乘上以e为底数的指数函数（我们关心的协变量的线性部分是在指数上）就可以得到风险函数（为什么能这么做就涉及到比例风险假设）。通过线性部分的指数函数和基础风险我们cox模型最终得到的是hazard function。

通过hazard function我们可以得到hazard rate，但是对于临床应用来讲，临床医师关心的东西更直观，他们关心的是具体协变量条件下个体的生存概率，画出的列线图常常如下面所示：

列线图中的结局常常是某个时间点的生存概率&#x