从0开始学习R语言--Day47--Nomogram

我们在用回归做医疗数据的分析时，往往需要知道病人的存活率，但这里的存活率往往指的是各种排列组合的存活率，但是直接输出所有分组又很浪费计算量，且在结果中找我们想要的组合也很费力。

而nomogram则提供了一种计分的方式，通过给不同分组的每种情况赋分，判断贡献，让我们可以直接观察我们关心数据的区间，从而直接知晓所要分类的病人的生存率。

以下是一个例子：

# 加载必要的包
library(regplot)

# 生成模拟数据
set.seed(123)
n <- 200
data <- data.frame(
  年龄 = round(rnorm(n, mean = 60, sd = 10)),
  肿瘤大小 = round(runif(n, min = 1, max = 5), 1),
  吸烟 = factor(sample(c("是", "否"), n, replace = TRUE, prob = c(0.3, 0.7))),
  生存状态 = factor(sample(c("死亡", "存活"), n, replace = TRUE, prob = c(0.4, 0.6)))
)

# 拟合逻辑回归模型
model <- glm(生存状态 ~ 年龄 + 肿瘤大小 + 吸烟, 
             family = binomial(link = "logit"), 
             data = data)

# 绘制 Nomogram
regplot(model,
        points = TRUE,          # 显示点刻度
        odds = TRUE,            # 显示OR值
        failtime = c(1, 3, 5),  # 如果做生存分析可设置时间点
        title = "Nomogram 预测模型")

输出：

[[1]]
      吸烟 Points
吸烟2   是     46
吸烟1   否     58

[[2]]
  肿瘤大