列线图.qmd

# 列线图

列线图（Nomogram）是一种可视化工具，用于展示多个预测变量对某个结果变量（如疾病发生、存活率等）的影响。通过列线图，可以直观地评估某个特定数据点的预测结果，主要用于展示回归模型中预测变量对结果的影响。以下是如何读取和解释列线图的步骤：

列线图的结构 预测变量： 列线图上通常会有几条垂直的线段或条形图，每条线代表一个预测变量。这些变量通常被标记在图表的顶部。

分数刻度： 每个预测变量的线段上都有刻度，表示不同值对应的分数。例如，某个变量的值在图中可能会转化为0到100的分数区间。

分数总计： 列线图的一侧通常有一个分数总计的区域。这一部分展示了所有预测变量的分数加和后的总分。

预测结果： 分数总计区域的下方通常会有一个结果预测区域，显示基于总分的预测结果。例如，结果可能是某个事件发生的概率（如疾病的发生率）或某个时间点的生存概率。

## Cox模型列线图

```{r}
library(survival)

library(rms)




# 创建一个示例数据框
set.seed(123)  # 为了结果可重复
n <- 100  # 样本大小
data <- data.frame(
    time = rexp(n, 0.1),  # 生存时间
    status = sample(0:1, n, replace = TRUE),  # 生存状态（0=删失，1=事件）
    age = sample(40:80, n, replace = TRUE),  # 年龄
    sex = sample(c("male", "female"), n, replace = TRUE)  # 性别
)
# 创建一个rms包的数据对象
dd <- datadist(data)
options(datadist = "dd")
# 拟合Cox模型
cox_model <- coxph(Surv(time, status) ~ age + sex, data = data)



# 拟合Cox模型（rms包）
cox_model_rms <- cph(Surv(time, status) ~ age + sex, data = data)

# 绘制列线图
nom <- nomogram(cox_model_rms, fun=list(function(x) x), lp=FALSE)
plot(nom)


```


识别变量： 确定图中所有预测变量及其对应的分数刻度。每个预测变量的线段应有不同的刻度，表示不同的数值区间。

获取分数： 对于每个预测变量，找到对应值的分数。例如，如果年龄为50岁，查看“年龄”线段上50岁的位置，对应的分数可能是30分。

计算总分： 将所有预测变量的分数加起来。例如，如果年龄得30分，性别得20分，BMI得15分，则总分为65分。

读取预测结果： 查找总分对应的结果预测区域。例如，如果总分为65分，则在结果预测区域中找到对应的概率或预期结果。如果总分65对应的概率是70%，这意味着根据模型预测，事件发生的概率是70%。

## 逻辑回归列线图

```{r}
# 创建示例数据

df <- read_csv("data/诺莫图.csv") %>% 
    mutate(across(everything(), as.factor))

str(df)

# 创建数据分布对象
dd <- datadist(df)
options(datadist = "dd")

# 拟合多元逻辑回归模型
logit_model <- lrm(转归 ~ 年龄是否大于5岁 +抗生素经验治疗与否 + 是否植入PICC管,
                   data = df)

# 创建列线图
nom <- nomogram(logit_model, fun=plogis,lp = F,
                funlabel = "预后良好的概率")
plot(nom, 
     col.grid = c(0.8, 0.95),  # 网格颜色
     xfrac = 0.45,             # x 轴缩放比例
     cex.var = 1.2,            # 变量标签大小
     cex.axis = 1.2,           # 轴标签大小
     cex.lab = 1.5,            # 标签大小
     col.lab = "black",
     points.label='得分（分）', total.points.label='总得分（分）')        # 标签颜色
```

## 风险评分模型

```{r}
library(rms)
library(Hmisc)

# 示例数据
set.seed(123)
n <- 200
data <- data.frame(
  outcome = sample(c(0, 1), n, replace = TRUE),
  age = rnorm(n, 50, 10),
  gender = factor(sample(c("male", "female"), n, replace = TRUE)),
  bmi = rnorm(n, 25, 5)
)

# 创建数据分布对象
dd <- datadist(data)
options(datadist = "dd")

# 拟合逻辑回归模型
logit_model <- lrm(outcome ~ age + gender + bmi, data = data)

# 计算风险评分
data$score <- predict(logit_model, type = "lp")
# 创建列线图
nom <- nomogram(logit_model, fun=list(function(x) x), lp=FALSE)
plot(nom)

# 显示模型系数
summary(logit_model)
```