動態Nomogram圖的繪製

更多生信乾貨教程

私信我回復“資料庫”即可免費領取哦

大家好，我是阿琛。在前面的內容中，我們給大家介紹了Nomogram圖的簡單繪製方法（

Nomogram圖不會畫？看了這篇，小白也能輕鬆搞定

），不熟悉的小夥伴可以先回去學習一下。然而，雖然透過該方法得到了相應的視覺化結果，但在實際臨床應用過程中並不方便。因此，繪製一個實用的動態Nomogram圖，不管是對於文章的特色，還是臨床使用，都會極大地增加簡便性，更受大家歡迎。

下面，我們一起來看一下如何繪製動態Nomogram圖給文章增添新的色彩。

1. R包與資料準備

1.1 讀取R包

在正式構建Nomogram圖前，我們需要首先使用survival包構建Cox迴歸模型。

1.2 讀取資料

隨後，讀取相應的資料內容，並使用str（）函式檢視資料集內的內容。可以看到，結果顯示，其中包括296個觀測，8個不同的變數內容，包括生存時間（futime），生存狀態（fustat），以及相應的臨床資訊（性別，分期，T分期，M分期，N分期和風險等級）。

同時，根據資料內容，將其中需要用到的分類變數轉化為因子形式。

2. 構建Cox模型

資料準備完成後，接下來需要對資料進行擬合，構建Cox比例風險模型。

在此，使用survival包的coxph（）函式對資料進行擬合建模。透過summary（）函式，檢視最終的模型結果。

接下來，我們將分別使用三種不同的R包來分別繪製Nomogram圖。

3. 基於regplpot包繪製互動式列線圖模型

首先，使用regplot包來繪製互動式的Nomogram圖。

使用regplot（）函式繪製互動式Nomogram圖。

透過plot引數設定展示形式，以指定變數圖的型別。其中，plots = c（“ density”，“ boxes”）為預設形式，且針對因子的第二個內容必須為‘’no plot‘’， ‘’boxes‘’，‘’bars‘’ 和‘’spikes‘’中的其中一個。

同時，透過observation引數來指定展示其中第12個患者TCGA-VQ-A8PB的相關資訊。

結果顯示，該圖中紅色點代表第12個患者對應的臨床資訊，而且經過模型預測，該患者所對應的Total score為1。02分，1年內死亡率為0。114，2年內死亡率為0。26，3年內死亡率為0。319。

4. 基於DynNom包繪製模型

隨後，我們來看下如何使用DynNom包來快速繪製動態Nomogram圖。

使用DynNom（）函式可以快速完成動態模型的構建。

接著，我們將患者TCGA-VQ-A8PB的相關資訊輸入進去，其中gender為F，stage為Stage2，T為T3，M為M0，N為N0，risk為high；點選Predict，得到相應的預測生存可能性。

同時，點選“Numerical Summary”板塊，分別得到其1年，2年和3年生存率的預測結果為0。899，0。740和0。680，這與前面透過regplot（）函式預測得到的生存結果是相一致的。

5. 基於shinyPredict包繪製模型

除了DynNom包外，還可以使用shinyPredict包進行動態Nomogram圖的繪製。

在shinyPredict（）函式中，透過models引數對需要視覺化的模型進行指定，data引數則需要賦予用於預測的資料框格式的資料內容，path引數為儲存的路徑。執行以後，可以在名為result的資料夾下看到三個不同的檔案。

點選檔案“app。R”，使用RStudio軟體直接開啟構建得到的預測模型。

點選右上角的Run App，即可啟動相應的App。

與前面的使用方法一樣，對相應的臨床資訊進行選擇，即可透過預測模型，對患者的生存情況進行預測。

好啦，今天的內容就介紹到這裡了~大家可以使用本次的內容，對文章中的預測模型視覺化結果進一步美化，為文章增添色彩。

—END—