画logistic_Nomogram(诺莫图) | Logistic、Cox生存分析结果可视化

60113b2152e47eac8d297008c1fb73cd.png
本文首发于“生信补给站”公众号, https:// mp.weixin.qq.com/s/BWpy 3F-nEKXCdVXmY3GYZg
当然还有更多R语言,生物信息学相关知识。。。

Nomogram,也常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)

a49013b7773ffd22d5cdd5ab1d3b5d9a.png

绘制nomogram图

1)

  • 0
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,以下是R语言中绘制logistic回归的代码以及nomogram、c-index和校正曲线绘制的示例代码: 首先,我们需要准备一个数据集,这里我们使用R自带的乳腺癌数据集: ```R data("breast_cancer", package = "rpart") # 将目标变量转换为二分类变量 breast_cancer$Class[breast_cancer$Class == "negative"] <- 0 breast_cancer$Class[breast_cancer$Class == "positive"] <- 1 ``` 接下来,我们使用glm函数来拟合一个logistic回归模型: ```R model <- glm(Class ~ Age + Menopause + Tumor.Size + Inv.Nodes, data = breast_cancer, family = binomial(link = "logit")) ``` 接下来,我们可以使用rms包中的nomogram函数来绘制一个nomogram: ```R library(rms) # 绘制nomogram nom <- nomogram(model, fun = function(x) 1/(1+exp(-x))) print(nom) ``` 然后,我们可以使用rms包中的validate函数来计算c-index和绘制校正曲线: ```R # 计算c-index valid <- validate(model, B = 100) valid$c.index # 绘制校正曲线 plot(valid$cal, ylim = c(0, 1), xlab = "Predicted Probabilities", ylab = "Observed Probabilities") ``` 最后,我们可以使用ggplot2包中的ggplot函数来绘制logistic回归的曲线: ```R library(ggplot2) # 计算预测概率 breast_cancer$pred_prob <- predict(model, type = "response") # 绘制曲线 ggplot(breast_cancer, aes(x = Age, y = pred_prob, color = Class)) + geom_smooth(method = "glm", method.args = list(family = "binomial"), se = FALSE) + scale_color_manual(values = c("#999999", "#E69F00")) + labs(title = "Logistic Regression Curve", x = "Age", y = "Predicted Probability", color = "Class", subtitle = "Breast Cancer Data") + theme_bw() ``` 希望这些代码能对你有所帮助!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值