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。
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：
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：
要简洁一点，可以选择不显示分布：
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。
此外，我们还提供了 写作方法：
及源代码下载：
- 发表于 2021-10-17 18:04
- 阅读 ( 5839 )
- 分类：软件工具
