今天跟大家一起讨论一下用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=1L <- .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.