列线图

列线图是指在平面坐标中用一簇互不相交的线段表示多个变量之间函数关系的定量分析图，其优势在于可以直接利用图形推算出某变量的取值，如患者的指标得分或生存概率等。它在医学领域中的应用由来已久，常见的有百分位列线图和概率列线图等。百分位列线图是确定个体某指标的测量值在总体中的百分位数；概率列线图是确定某个体特定事件的发生概率，该特定事件可以是疾病的发生、复发以及预后(如死亡)等，往往由多因素二分类回归或COX比例风险模型求得。现重点介绍概率列线图(以下简称列线图)的应用、制作与验证。

列线图使用原理示例

对孤立性肺结节(SPN) 良恶性质的判断是临床上的热点和难点。根据CT影像上是否存在磨玻璃样病变，可进一步分为实性结节(solid nodule，SN)和亚实性结节(subsolid nodule)。实性结节中良性的比例要高于亚实性结节。临床预测模型的制作最终要便于临床使用。本组研究通过多达21项资料（21个变量）的分析，针对于国内人群，首次建立了实性SPN患者良恶性预测的列线图模型。在B组数据验证中，该模型较Mayo模型显示了更好的诊断效力。列线图可以将个Logistic回归方程图形化呈现，操作简便，更具有临床使用价值。临床医生可以将各个变量对应的分值相加得到总分，便可以得到其恶性的概率。

临床医生可将各项危险因素对应的分数相加得到总分，通过总分得到实性的孤立性肺结节(SPN)恶性的概率从而决定下一步治疗。例如男性患者60岁，体检发现右肺上叶2cm的实性的孤立性肺结节(SPN)。CT上边界清晰，有毛刺，无钙化，18F-FDG检查显示肿块有代谢，其相对应的总分为63.7＋0 + 40＋67＋42＝212.7分，对应恶性的概率为86%

列线图是使用一些互不相交的线段来推算事件的发生概率，使用时往往以直尺做垂线的方式来估算事件的发生概率。假设使用某个体的年龄、性别和体质指数(BMI)可预测某事件的发生风险，并且已建立列线图。如果某个体为45岁男性，BMI为25.3 kg/m2，根据列线图可推算出其年龄、性别和BMI的得分，然后将上述得分相加获得该个体的总得分。再根据列线图估算该总得分对应的发生概率，即为该个体此事件的发生概率。在实际工作中我们常常使用患者的诸多临床资料和各项检查结果，来预测患者的发病风险，或者预测肿瘤患者的生存概率等。

本质上，列线图是回归方程结果的可视化，常用于逻辑回归或COX回归的结果展示，依据回归的结果，按照特定的比例画出多个线段，通过做图能够便捷地推算出某个体的发病风险或生存概率。在实际工作中，我们常使用R软件中的rms包或者SAS软件来实现列线图的制作，R软件使用较为简便，SAS软件的制作方法在其帮助文档中也有介绍。另外列线图制作时要求研究者拥有足够数量的研究对象资料，从而能够有效地建立出良好的预测模型。

列线图在制作之前需要对预测模型的预测结果进行验证，常见的验证过程有内部验证和外部验证。内部验证是指采用建模的数据去验证模型的预测效果，可采用Bootstrap自抽样法或交叉验证的方法。Bootstrap自抽样法是在研究样本中进行有放回的抽样，然后使用抽得的样本进行计算。交叉验证是指将研究对象随机分为多段，然后交叉使用上述数据进行建模和验证。外部验证是使用另外一组研究对象的数据(即外部数据)去验证模型的预测准确性。因此在列线图的制作上，不能盲目地建立某个指标的列线图，只有当模型的预测效果得到了明确验证之后，方可对模型制作列线图，此时该列线图也会有很好的应用价值。

项杨威, 孙益峰, 高文, 等.  实性孤立性肺结节良恶性预测模型的建立 [J] . 中华医学杂志,2016,96( 17 ): 1354-1358. DOI: 10.3760/cma.j.issn.0376-2491.2016.17.011

 陶立元, 张华, 赵一鸣. 列线图的制作要点及其应用 [J] . 中华儿科杂志,2017,55( 5 ): 323-323. DOI: 10.3760/cma.j.issn.0578-1310.2017.05.002