动态列线图简易绘制工具

同样是构建多因素回归模型,往往我们另一个主要目的是为了对结局事件的发生风险进行预测,那么是否也可以将预测模型的结果,像森林图那样可视化地展示出来呢?列线图(Nomogram)是一种最佳的展示...

同样是构建多因素回归模型,往往我们另一个主要目的是为了对结局事件的发生风险进行预测,那么是否也可以将预测模型的结果,像森林图那样可视化地展示出来呢?列线图(Nomogram)是一种最佳的展示方案。

  列线图(Alignment Diagram),又称诺莫图(Nomogram),它是建立在多因素回归分析的基础上,将多个预测指标进行整合,然后采用带有刻度的线段,按照一定的比例绘制在同一平面上,从而用以表达预测模型中各个变量之间的相互关系。

  列线图的基本原理,简单的说,就是通过构建多因素回归模型(常用的回归模型,例如Cox回归、Logistic回归等),根据模型中各个影响因素对结局变量的贡献程度(回归系数的大小),给每个影响因素的每个取值水平进行赋分,然后再将各个评分相加得到总评分,最后通过总评分与结局事件发生概率之间的函数转换关系,从而计算出该个体结局事件的预测值。

  列线图将复杂的回归方程,转变为了可视化的图形,使预测模型的结果更具有可读性,方便对患者进行评估。正是由于列线图这种直观便于理解的特点,使它在医学研究和临床实践中也逐渐得到了越来越多的关注和应用。

比如 我们使用N分期、性别、年龄、Stage分期及 三个基因的表达水平建立了一个列线图,如下,那么我们可以根据患者对应的这7个指标的水平在图中 找出来,如紫色竖线对应位置,这个时候 可以换的7个得分,这些得分加和后获得总分数为55.14,根据下方的生存率可以评估出该患者对应的五年生存率。

attachments-2021-10-T3aymlav616bf119b3c64.png

列线图的名称主要包括三类:

  1. 预测模型中的变量名称:例如图中的年龄(Age)、性别等信息,每一个变量对应的线段上都标注了刻度,代表了该变量的可取值范围,而线段的长度则反映了该因素对结局事件的贡献大小。

  2. 得分,包括单项得分,即图中的Point,表示每个变量在不同取值下所对应的单项分数,以及总得分,即Total Point,表示所有变量取值后对应的单项分数加起来合计的总得分。

  3. 预测概率:例如图中的Probability of 1825(可以自己改一下名称),表示5年的生存概率。

总体而言 列线图 非常直观,在这里我们提供了一个简易工具 来绘制这个图:

attachments-2021-10-j21l4fMs616bf2afe3e2a.png点击开始分析-》输入任务名称-》等待结果运行完成-》载入结果

在网页下方可以看到 对应的 列线图:

attachments-2021-10-cVMvXRYO616bf317552ba.png

要简洁一点,可以选择不显示分布:

attachments-2021-10-fNQV9DKg616bf348de204.png

此外,还提供了校准曲线的结果:

模型构建完成后需要对模型进行评估和验证其性能。模型预测的生存率与实际的差距一般是看校准曲线。

例:一个模型(其C指数为0.8)评估某位患者5年复发率为70%。说明该模型有80%的把握确认复发率=70%。那70%这个数与实际相差有多大呢,那就需要看校准曲线了。

从这个例子可以看出,C指数或AUC值是判断模型的区分能力的,即有多大把握预测复发率为70%,而校准曲线是看与预测与实际相符程度的,即预测的这个70%复发率与实际复发率有多大差别。

校准曲线中,各个点月接近 0-1的对角线,说明预测与实际越接近。

attachments-2021-10-dEgYKRNp616bf4a88148a.png此外,我们还提供了 写作方法:

attachments-2021-10-Z7TOcLgl616bf4d09919c.png

及源代码下载:

attachments-2021-10-dAzlidTA616bf4ec7e8c4.png


  • 发表于 2021-10-17 18:04
  • 阅读 ( 174 )
  • 分类:软件工具

你可能感兴趣的文章

相关问题

0 条评论

请先 登录 后评论
不写代码的码农
admin

57 篇文章

作家榜 »

  1. 祝让飞 119 文章
  2. 柚子 91 文章
  3. 刘永鑫 64 文章
  4. admin 57 文章
  5. 生信分析流 55 文章
  6. SXR 44 文章
  7. 张海伦 31 文章
  8. 爽儿 25 文章