regplot包绘制新型的Nomogram

诺莫图（Nomogram）是一种利用图像来进行计算（查图）的工具，是一个二维的图像，用来进行非精确的计算。用另一种方式来解释，诺谟图是一个带有坐标的二维函数图像，通过它，如果已知了第n-1个参数，就可以用来查得第n个参数，或者通过固定一些参数来研究固定参数和未固定参数之间的关系。就像计算尺一样，诺谟图是一种图形计算工具，其精度也取决于查图时的数据点在图上点出、引申的准确程度，直线直的程度。诺谟图大多用于非精确的计算满足实际使用的精度要求的情况。
可以实现的模型cox,logistic,lm,probit,logit,poissio

regplot函数参数

rm(list=ls())
library(survival)
require(regplot)
 data(pbc) 
 head(pbc)
 ## bili变量分割，并命名新标签
 pbc$catbili <- cut(pbc$bili,breaks=c(-Inf, 2, 4, Inf),
                labels=c("low","medium","high"))
 ## status变量
 pbc$died <- pbc$status==2
 ## 构建cox风险比例模型
 ## 可同时包括分类变量与连续型变量
 pbccox <-  coxph(formula = Surv(time,died) ~  age + catbili + sex + 
                  copper +stage + trt,data=pbc)
 summary(pbccox)
 ## Plot a Cox survival model, showing data for the first observation.
 ## Display risk for 730, and 1825 days
 ## pbc[1,]显示具体的观测，即第一行
  regplot(pbccox,observation=pbc[1,],  failtime = c(730,1825), prfail = TRUE ) 
 ## Plot a Weibull model 
  pbcweib <-  survreg(formula = Surv(time,died) ~  age + catbili + sex + 
                  copper +stage + trt,dist="weibull", data=pbc)##
## 绘制Nomogram
regplot(pbccox,##模型
        observation=pbc[1,],#显示哪个观测
        center = T,
        failtime = 1825, ## 指定预测时间
        prfail=F,## 终止时间前发生的比例
        showi = TRUE        )

image.png

logistic模型

## logistic回归模型
pbcglm <- glm(died ~  age + catbili + sex + copper,family = "binomial", data=pbc )
regplot(pbcglm, observation=pbc[1,], odds=TRUE,interval="confidence")

image.png