手机版 下载桌面 设为首页

R软件:以逻辑回归为例介绍制作列线图的过程

  R软件:以逻辑回归为例介绍制作列线图的过程列线图(nomogram)是一个能够将逻辑结果以图形的方式展示出来的工具。本文将讨论一下用R软件如何制作逻辑回归的列线图。

  制作步骤

  1、安装rms程序包。首先你需要选择安装镜像,最近我们发现China(Xiamen)这个镜像速度还比较快。安装代码为:install.packages("rms")

  2、调用rms过程。代码为require(rms)

  3、生成回归所需数据,本文采用R的示例数据。

  代码如下

  n <- 1000

  set.seed(17)

  age <- rnorm(n, 50, 10)

  blood.pressure <- rnorm(n, 120, 15)

  cholesterol <- rnorm(n, 200, 25)

  sex <- factor(sample(c('female','male'), n,TRUE))

  # Specify population model for log odds that Y=1

  L <- .4*(sex=='male') + .045*(age-50) + (log(cholesterol -10)-5.2)*(-2*(sex=='female') + 2*(sex=='male'))

  # Simulate binary y to have Prob(y=1) = 1/[1+exp(-L)]

  y <- ifelse(runif(n) < plogis(L), 1, 0)

  4、制作列线图。代码如下:

  ddist <- datadist(age,blood.pressure, cholesterol, sex)

  options(datadist='ddist')

  f <- lrm(y ~ age+ blood.pressure+ cholesterol + sex)

  nom <- nomogram(f, fun=plogis, fun.at=c(.001,.01, .05, seq(.1,.9, by=.1), .95, .99, .999),lp=F, funlabel="最后的发病风险")

  plot(nom)

  5、结果如下。

  在经过了上述的过程之后,我们就可以做出列线图了。但是如果我们要写作一篇关于列线图的文章该如何进行呢?我们可以看看别人是怎么做的,这个例子是乳腺癌术前化疗对病理完全缓解(PCR)和无转移生存(MFS)的影响,详见参考文献。作者写作内容有:(1)将样本按照不同来源(来自不同的机构)分成了训练样本和验证样本,(2)用训练样本去建立回归模型,(3)用验证样本并判断模型的优劣,(4)制作列线图,(5)同时作者还制作了5年和10年disease-free的列线图。

  文章中涉及的图形如下:

  参考文献

  Rouzier R, Pusztai L, Delaloge S, Gonzalez-Angulo AM, Andre F, Hess KR, et al. Nomograms to predict pathologic complete response and metastasis-free survival after preoperative chemotherapy for breast cancer. J Clin Oncol. 2005 2005-11-20;23(33):8331-9.

分类标签:R软件  列线图  逻辑回归  

声明:本文转载仅出于学习和传播信息所需,并不意味着代表本站观点或证实其内容的真实性;其他网站或个人转载使用须保留本站所注“来源”,并自负相关法律责任;如作者不希望被转载或其他事宜,请及时联系我们!