正文

手把手教你用R语言评价临床预测模型,一文就够(附代码)

  基于Cox回归的列线图

  与Logistic回归的列线图一致,首先便是数据的读取与整理过程。

  1.引用R包:

  library(rms)

  library(foreign)

  library(survival)

  2.读取文件

  setwd("C:\Users\000\Desktop\09_Nomogram") #设置工作目录

  rt2 <- read.table("Cox.txt",header=T,sep=" ") #读取数据

  head(rt2) #查看数据集rt2

  3.设置变量参数

  rt2$gender <- factor(rt2$gender,labels=c("F", "M"))

  rt2$stage <- factor(rt2$stage,labels=c("Stage1", "Stage2", "Stage3", "Stage4"))

  rt2$T <- factor(rt2$T,labels=c("T1", "T2", "T3", "T4"))

  rt2$M <- factor(rt2$M,labels=c("M0", "M1"))

  rt2$N <- factor(rt2$N,labels=c("N0", "N1", "N2", "N3"))

  rt2$risk <- factor(rt2$risk,labels=c("low", "high"))

  ddist <- datadist(rt2) #使用函数datadist()将数据打包

  options(datadist='ddist')

  4.构建Cox回归模型

  f <- cph(Surv(futime, fustat) ~gender + stage +T + M + N + risk,

  x=T, y=T, surv=T,

  data=rt2, time.inc=1)

  surv <- Survival(f)

  5.构建Nomogram及可视化

  nom2 <- nomogram(f,

  fun=list(function(x) surv(1, x), function(x) surv(2, x), function(x) surv(3, x)),

  lp=F,

  funlabel=c("1-year survival", "2-year survival", "3-year survival"),

  maxscale=100,fun.at=c(0.99, 0.9, 0.8, 0.7, 0.6, 0.5, 0.4, 0.3,0.2,0.1,0.05)) #构建Nomogram图

  plot(nom2) #输出Nomogram图

  结果如下:

  在模型中,共纳入了6个变量,通过整合,预测患者1年,2年以及3年的预后生存情况。

  Nomogram图的绘制就到此结束了,又点亮了一颗技能之星⭐

来源:挑圈联靠 阿琛 风间琉璃
爱科学

上一篇:SPSS教程:如何用图表构建器构建简单散点图和矩阵散点图?

下一篇:返回列表

推荐信息

登录注册
欢迎内容投稿或举报!E-mail: ikx@ikx.cn
Copyright © 爱科学 iikx.com