“增强版”列线图——R语言nomogramEx和nomogramFormula软件包介绍 |《临床预测模型构建方法学》图书连载

编者按：临床预测模型作为临床研究的“高阶玩法”，不仅仅是发表高分SCI文章的热门选择，更是改变临床实践的重要途径。随着临床预测模型热度日渐上升，很多团队都在尝试建立各类疾病诊断/治疗的预测模型，但经常遭遇准确性低或应用不便等“拦路虎”。 在此背景下，《临床预测模型构建方法学》应运而生。本书由30余位临床统计高手合力编著而成，是一本拿来即用的“实战指南”。

在本书热销之际，AME科研时间将节选部分精彩篇章以飨读者。今天带来 “增强版”列线图——R语言nomogramEx 和 nomogramFormula 软件包介绍一章。本章提供了一种更加简便而准确的构建临床预测模型的方法。

“增强版”列线图——R语言nomogramEx 和 nomogramFormula 软件包介绍

毕国澍，李润美，梁嘉琪，胡正阳，詹成 ??????????????????????????????

特别是Cox比例风险回归模型的应用，在某种程度上回答了“该患者将存活多久”的问题。但是，仅基于Cox回归模型的结果，临床医生很难准确预测患者的预后。列线图（Nomogram）是统计预测模型的简易可视化图形，有易于使用的图形界面。它已被广泛用于肿瘤预后研究，这主要是因为它能够将复杂的预测公式简化为某个事件（例如死亡或复发）发生概率的数值估计[7-9] 。周支瑞等[3] 详细地总结了列线图的解释和应用，非常适合读者们研习。

其次，考虑到在列线图轴线上刻度的限制，有时人们无法从该数轴获得此点的精确分值以及相应的生存概率，从而限制了列线图解读结果的准确性。再次，我们很难基于列线图自动计算每个患者的总分值和生存概率，尤其是当Cox模型和相应列线图中同时存在多个变量时。因此，我们介绍两个R语言程序包作Nomogram的扩展，即由Du等提出的名为“nomogramEx”包[11] 和Zhang等“nomogramFormula”包[12] 。它们旨在提取多项式方程，并自动计算每个变量的分值以及与总分值相对应的生存概率。在这里，我们提供了一个示例和相应的R代码来解释此函数。我们依旧使用了周支瑞等在文章中提及的乳腺癌患者的数据（案例1）[3] 。步骤见下文（代码由灰色背景标注，结果标记为斜体）。

一、步骤一：安装nomogramEx和nomogramFormula程序包并加载其他必要的帮助程序包

二、步骤二：将“.sav”格式的数据加载到R环境中

三、步骤三：数据预处理

四、步骤四：定义非二分类变量

此处将病理分期和年龄定义为分类变量，以避免上述错误。然后根据要求将变量打包在“rms”包中。

五、步骤五：通过rms包中的cph函数拟合Cox回归模型，并将生存函数对象构建为surv

六、步骤六：基于Cox模型绘制列线图

基于Cox模型绘制列线图，其中通过生存函数计算研究对象在1、3和5年（分别为12、36和60个月）的生存概率。将Lp参数（线性预测）设置为FALSE，以取消创建基于偏回归系数（X beta）所计算数值的轴线。Maxscale表示最大分值（图18-1）。

注：OS表示Overall survival（总体生存率），pgR表示孕激素受体状态。

七、步骤七：计算生存率

通过沿着每个独立变量轴线上的对应点向下作垂线，从而获得各变量所对应的分值。分别为每位患者的各变量分值求和，即可从Total Points轴得到相应时间的生存率。但是，当模型中存在多个变量且患者人数众多时，计算每个患者的总得分和生存率将是一项工程量浩大而繁琐的任务。同时，由于轴上的刻度被划分为每单位5分，也会产生一定的系统误差。在这种情况下，列线图所基于的精确的生存公式，可以作为Cox模型和列线图之间的“桥梁”。程序包“nomogramEx”提供了此功能。

“nomo”表示R中上述列线图对象。“np”是指列线图中的预测次数。我们预测了1年、3年和5年的生存概率，因此np = 3。“digit”定义了小数点后的位数，默认值为9。如果将此参数设置得较大，则预测结果会更精确，但这样设置可能会增加计算所需的时间。

现在，结果中将显示每个变量每个水平的对应分值以及计算1、3和5年总体生存概率的公式。

八、步骤八：计算原始数据中每个患者的总分值和生存概率

此外，借助“nomogramFormula”程序包中的formula_lp函数，我们可自动计算原始数据中每个患者的总分值和生存概率。

现在，在原先的数据框中显示出了患者1、3和5年的总分值和相应的生存概率(由于生存时间的单位设置为月，所以命名为P12、P36和P60)。

九、步骤九：计算C指数（C-Index）并按原文建议绘制校准曲线

绘制的校准曲线如图18-2所示。

图18-2 基于列线图和相应的Cox回归模型的校准曲线

OS表示Overall survival（总体生存率）。

参考文献（向上滑动查看）

[1] Djulbegovic B，Guyatt GH. Progress in evidence-based medicine：a quarter century on[ J]. Lancet，2017，390(10092)：415-423.

[2] Reza Soroushmehr SM，Najarian K. Transforming big data into computational models for personalized medicine and health care[ J]. Dialogues Clin Neurosci，2016；18(3)：339-343.

[3] Zhou ZR, Wang WW, Li Y, et al. In-depth mining of clinical data: the construction of clinical prediction model with R[ J]. Ann Transl Med，2019，7(23)：796.

[4] Han K，Song K，Choi BW. How to Develop，Validate，and Compare Clinical Prediction Models Involving Radiological Parameters：Study Design and Statistical Methods[ J]. Korean J Radiol，2016，17(3)：339-350.

[5] Steyerberg EW，Vergouwe Y. Towards better clinical prediction models：seven steps for development and an ABCD for validation[ J]. Eur Heart J，2014，35(29)：1925-1931.

[6] Woodward M，Tunstall-Pedoe H，Peters SA. Graphics and statistics for cardiology：clinical prediction rules[ J]. Heart，2017，103(7)：538-545.

[7] Iasonos A，Schrag D，Raj GV. How to build and interpret a nomogram for cancer prognosis[ J]. J Clin Oncol，2008，26(8)：1364-1370.

[10] Deng W，Xu T，Xu Y，et al. Survival Patterns for Patients with Resected N2 Non-Small Cell Lung Cancer and Postoperative Radiotherapy：A Prognostic Scoring Model and Heat Map Approach[ J]. J Thorac Oncol，2018，13(12)：1968-1974.

[11] Du Z，Hao Y. R package “nomogramEx”[EB/OL]. Available online：https://cran.r-project.org/web/packages/nomogramEx/index.html.

[12] Zhang J，Jin Z. R package “nomogramFormula”[EB/OL]. Available online：https://github.com/yikeshu0611/nomogramFormula.

欲解锁更多精彩内容，并获得书中相关数据及代码，请扫描下方二维码进入微店！

资讯

AME旗下13本期刊最新影响因子｜2021年6月

b.03. 2022.04.26.02

点击

阅读原文

进入AME微店