列线图(nomogram)是一个能够将逻辑结果以图形的方式展示出来的工具。本文将讨论一下用R软件如何制作逻辑回归的列线图。
制作步骤：
1、安装rms程序包。首先你需要选择安装镜像，最近我们发现China(Xiamen)这个镜像速度还比较快。安装代码为：install.packages("rms")
2、调用rms过程。代码为require(rms)
3、生成回归所需数据，本文采用R的示例数据。
代码如下：
n <- 1000 set.seed(17) age <- rnorm(n, 50, 10) blood.pressure <- rnorm(n, 120, 15) cholesterol <- rnorm(n, 200, 25) sex <- factor(sample(c('female','male'), n,TRUE)) # Specify population model for log odds that Y=1 L <- .4*(sex=='male') .045*(age-50) (log(cholesterol -10)-5.2)*(-2*(sex=='female') 2*(sex=='male')) # Simulate binary y to have Prob(y=1) = 1/[1 exp(-L)] y <- ifelse(runif(n) < plogis(L), 1, 0) 4、制作列线图。代码如下：
ddist <- datadist(age,blood.pressure, cholesterol, sex) options(datadist='ddist') f <- lrm(y ~ age blood.pressure cholesterol sex) nom <- nomogram(f, fun=plogis, fun.at=c(.001,.01, .05, seq(.1,.9, by=.1), .95, .99, .999),lp=F, funlabel="最后的发病风险") plot(nom) 5、结果如下。
在经过了上述的过程之后，我们就可以做出列线图了。但是如果我们要写作一篇关于列线图的文章该如何进行呢?我们可以看看别人是怎么做的，这个例子是乳腺癌术前化疗对病理完全缓解(PCR)和无转移生存(MFS)的影响，详见参考文献。作者写作内容有：(1)将样本按照不同来源(来自不同的机构)分成了训练样本和验证样本，(2)用训练样本去建立回归模型，(3)用验证样本并判断模型的优劣，(4)制作列线图，(5)同时作者还制作了5年和10年disease-free的列线图。
文章中涉及的图形如下：
参考文献：
Rouzier R, Pusztai L, Delaloge S, Gonzalez-Angulo AM, Andre F, Hess KR, et al. Nomograms to predict pathologic complete response and metastasis-free survival after preoperative chemotherapy for breast cancer. J Clin Oncol. 2005 2005-11-20;23(33):8331-9.