百度网站建设费用对网站外部的搜索引擎优化

1写在前面

列线图，又称诺莫图（Nomogram），是一种用于预测模型的可视化工具，它可以将多个影响因素和结局事件的关系展示在同一平面上。🥳

列线图最早是由法国工程师Philbert Maurice d'Ocagne于1884年发明的，他在1880年提出了nomography的概念，用于快速计算复杂公式的图形表示法，曾经在工程和科学领域广泛使用，直到被计算机取代。🥸

列线图的基本原理是根据回归模型的系数，给每个影响因素的不同取值赋分，然后将各个分数相加得到总分，再根据总分和结局事件发生概率的转换关系，计算出预测值。🤓

本期就盘点一下基于R语言的列线图绘制方法。😜

2用到的包

rm(list = ls())
library(tidyverse)
library(survival)
library(rms)
library(nomogramFormula)
library(DynNom)

3示例数据

今天用一下伟大的cancer数据集中的colon。😘

data(cancer)

DT::datatable(colon)

4rms包制作列线图

4.1 构建模型

我们先构建个模型吧。🥸

## 以下2步为必须步骤
ddist <- datadist(colon)
options(datadist='ddist')

fit1 <- rms::lrm(status~rx+sex+age+obstruct+perfor+nodes, 
           data = colon)

summary(fit1)

可视化一下吧。😜

## 绘图
nomogram <- nomogram(fit1, fun = function(x)1/(1+exp(-x)))
plot(nomogram)

4.2 加入时间变量

我们再试着加入时间变量，需要用到psm和Surv。🤓

fit2 <- rms::psm(Surv(time,status) ~ rx + sex + age + obstruct + perfor + nodes, 
                 data=colon, dist='lognormal')
summary(fit2)

可视化一下吧。😘

med  <- Quantile(fit2)
surv <- Survival(fit2)

plot(nomogram(fit2, fun=function(x) med(lp=x), funlabel="Median Survival Time"))

再试着把解决变量改成半年和1年的生存率。🤩

nom <- nomogram(fit2, fun=list(function(x) surv(6, x),
                            function(x) surv(12, x)),
            funlabel=c("6-Month Survival Probability", 
                       "12-month Survival Probability"))
plot(nom, xfrac=.7)

5rms包的补充

rms的确很好用，但是很难计算出所有项目的总分和概率，这里可以用nomogramFormula包作为补充。😂

相关函数：👇

• formula_rd()，formula_lp() ➡️ polynomial regression;
• points_cal() ➡️ total points；
• prob_cal() ➡️ lrm(), cph() or psm() regression。

5.1 formula_lp

formula_lp(nomogram = nom)
formula_lp(nomogram = nom,power = 1)
formula_lp(nomogram = nom,power = 3,digits=6)

5.2 formula_rd

formula_rd(nomogram = nom)
formula_rd(nomogram = nom,power = 1)
formula_rd(nomogram = nom,power = 3,digits=6)

5.3 Calculate Total Points

##get the formula by the best power using formula_lp
results <- formula_lp(nom)
points_cal(formula = results$formula,lp=fit3$linear.predictors)

#get the formula by the best power using formula_rd
results <- formula_rd(nomogram = nom)
points_cal(formula = results$formula,rd=df)

5.4 Calculate Probabilities

# lrm() function
f <- lrm(status~rx+sex+age+obstruct+perfor+nodes, 
         data=colon,
         linear.predictors = T)

head(prob_cal(reg = f))

# cph() function
f <- cph(Surv(time,status)~rx+sex+age+obstruct+perfor+nodes, 
         data=colon,
         linear.predictors=T,
         surv=T)

head(prob_cal(reg = f,times = c(365,365*2)))

# psm() function
f <- psm(Surv(time,status)~rx+sex+age+obstruct+perfor+nodes, 
         data=colon)

head(prob_cal(reg = f,times = c(365,365*2)))

5.5 Caculate Total Points for nomogram Picture

TotalPoints.rms(rd = colon,fit = f,nom = nom)

6regplot包制作列线图

6.1 构建模型

glm函数来构建哦。💪

fit3 <- glm(status~rx+sex+age+obstruct+perfor+nodes,
           data=colon,
           family="binomial")
summary(fit3)

可视化一下吧。😏

regplot(fit3, plots = c("density","boxes"), center = T,
        observation = F,points = T,
        dencol = "#EA5455",boxcol = "#002B5B",
        droplines=T
        )

6.2 加入时间变量

这次我们换成使用coxph函数。😎

Coxfit<-coxph(Surv(time,status) ~ rx + sex + age + obstruct + perfor + nodes, 
                 data=colon)

summary(Coxfit)

可视化一下吧。🥳

这里我们显示一下第50个病例的180天、360天、1080天的生存概率。🧐

regplot(Coxfit, plots=c("violin","bars"), 
        observation = colon[50,],
        points = T,
        droplines=T,
        title="Survival Nomogram", 
        dencol = "#EA5455",boxcol = "#002B5B",
        prfail=T,  # For survival models only
        failtime=c(180,360,1080), # For survival models only
        #clickable=T
        )

7DynNom包制作列线图

新鲜的shiny app，不过个人觉得不是特别好用。😔

# 需要glm函数
DynNom(fit3, colon)

点个在看吧各位~ ✐.ɴɪᴄᴇ ᴅᴀʏ 〰