文献解析：生存数据和分类结局列线图的做法，史上最全

今天给大家分析一篇文献，作者是浙大邵逸夫医院的章仲恒副主任，论文的主要内容就是教大家怎么画列线图。写的比较详细，拜读之后顺手写个粗浅的解析分享给大家，依然还是建议大家去看原文哦，论文题目见文章最后。

全文包括2分类逻辑斯蒂回归，多分类逻辑斯蒂回归，生存分析的列线图的画法和解析，基本上涵盖了临床上常用的预测方法，所以很值得大家收藏。

接下来我一个一个给大家解析

作者先模拟了一个数据集，大概长这样：

 

这个数据集有1000个个案，6个变量，其中age和lac都是正态分布的连续自变量，sex和shock为因子，y是二分类结局，Y是多分类结局（3分类），所以我们如果用y做结局，就是拟合一个二分类逻辑斯蒂回归，用Y做结局就是多分类逻辑斯蒂回归。接下来我们一个一个看：

二分类结局的列线图画法

画列线图用到的包是rms。

第一步我们需要用datadist()函数来得到预测变量的分布，以此来规定我们的图形的尺度，紧接着拟合我们的逻辑回归模型（用到的函数为lrm），代码如下：

<span style="color:#222222"><code>ddist <- datadist(<span style="color:#114ba6">data</span>)
options(datadist=<span style="color:#00753b">'ddist'</span>)
mod.bi<-lrm(y~shock+lac*sex+age,<span style="color:#114ba6">data</span>)</code></span>

模型拟合好了之后，我们把这个模型直接喂给nomogram函数就行，代码如下：

<span style="color:#222222"><code>nom.bi <- nomogram(mod.bi,          
											lp.at=seq(-<span style="color:#a82e2e">3</span>,<span style="color:#a82e2e">4</span>,<span style="color:#114ba6">by</span>=<span style="color:#a82e2e">0.5</span>),
                     <span style="color:#8a7304"><span style="color:#114ba6">fun</span>=<span style="color:#a82e2e">function</span>(x)</span><span style="color:#a82e2e">1</span>/(<span style="color:#a82e2e">1</span>+exp(-x)),
                     <span style="color:#8a7304"><span style="color:#114ba6">fun</span>.at=<span style="color:#a82e2e">c</span>(<span style="color:#a82e2e">.001</span>,<span style="color:#a82e2e">.01</span>,<span style="color:#a82e2e">.05</span>,seq(<span style="color:#a82e2e">.1</span>,<span style="color:#a82e2e">.9</span>,<span style="color:#114ba6">by</span>=<span style="color:#a82e2e">.1</span>)</span>,.<span style="color:#a82e2e">95</span>,.<span style="color:#a82e2e">99</span>,.<span style="color:#a82e2e">999</span>),
                     funlabel=<span style="color:#00753b">"Risk of Death"</span>,
                     conf.int=c(<span style="color:#a82e2e">0.1</span>,<span style="color:#a82e2e">0.7</span>),
                     abbrev=TRUE,
                     minlength=<span style="color:#a82e2e">1</span>,lp=F)

plot(nom.bi,lplabel=<span style="color:#00753b">"Linear Predictor"</span>,
     <span style="color:#8a7304"><span style="color:#114ba6">fun</span>.side=<span style="color:#a82e2e">c</span>(<span style="color:#a82e2e">3</span>,<span style="color:#a82e2e">3</span>,<span style="color:#a82e2e">1</span>,<span style="color:#a82e2e">1</span>,<span style="color:#a82e2e">3</span>,<span style="color:#a82e2e">1</span>,<span style="color:#a82e2e">3</span>,<span style="color:#a82e2e">1</span>,<span style="color:#a82e2e">1</span>,<span style="color:#a82e2e">1</span>,<span style="color:#a82e2e">1</span>,<span style="color:#a82e2e">1</span>,<span style="color:#a82e2e">3</span>)</span>,
     col.conf=c(<span style="color:#00753b">'red'</span>,<span style="color:#00753b">'green'</span>),
     conf.space=c(<span style="color:#a82e2e">0.1</span>,<span style="color:#a82e2e"