Nomogram | 盘点一下绘制列线图的几个R包！~（二）

1写在前面

不知道各位小伙伴的五一假期过的在怎么样，可怜的我感冒了。😷

今天继续之前没有写完的列线图教程吧，再介绍几个制作列线图的R包。🤠

2用到的包

rm(list = ls())
library(tidyverse)
library(survival)
library(rms)
library(nomogramEx)
library(hdnom)
library(survey)
library(SvyNom)

3nomogramEx包

首先我们介绍一下nomogramEx包，其实这个包并不是用于制作列线图的，但还是和大家介绍一下吧，还是比较有用的。🥸

nomogramEx包，可以从一个nomogram中提取多项式方程，用来计算每个变量的点数和总点数对应的生存概率。😎

它的主要函数是nomogramEx()，参数有nomo、np和digit2，可以用来简化nomogram的应用和解读。🧐

3.1 生成示例数据

n <-1000
age <- rnorm(n,50,10)
sex <- factor(sample(c('female','male'),n,T))
sex <- as.numeric(sex)
ddist <- datadist(age,sex)
options(datadist='ddist')
cens <- 15*runif(n)
time <- -log(runif(n))/0.02*exp(.04*(age-50)+.8*(sex=='Female'))
death <- ifelse(time <= cens,1,0)
time <- pmin(time,cens)
units(time)="month"

3.2 构建模型

f <- cph(formula(Surv(time,death)~sex+age),x=T,y=T,surv=T,time.inc=3)
surv <- Survival(f)

3.3 绘制列线图

nomo <- nomogram(f, fun=list(function(x) surv(3,x),function(x) surv(6,x)),
                 lp=T,
                  funlabel=c("3-Month Survival Prob","6-Month Survival Prob"))
plot(nomo)

3.4 提取公式

nomogramEx(nomo=nomo,np=2,digit=9) 

4hdnom包

hdnom包功能非常强大，我们以后再介绍它的具体用法吧，今天就只介绍一下绘制列先图的函数咯。😎.

4.1 示例数据

data("smart")
x <- as.matrix(smart[, -c(1, 2)])
time <- smart$TEVENT
event <- smart$EVENT
y <- survival::Surv(time, event)
DT::datatable(smart)

4.2 建模

这里我们会用到一个自适应弹性网络正则化的方法，引入惩罚系数，alpha和lambda，是一种将L1和L2正则化同时应用于线性回归的损失函数的方法，以后再具体介绍吧。😘

suppressMessages(library("doParallel"))
registerDoParallel(detectCores())

fit <- fit_aenet(x, y, nfolds = 10, rule = "lambda.1se", seed = c(5, 7), parallel = T)
names(fit)

4.3 可视化

model <- fit$model
alpha <- fit$alpha
lambda <- fit$lambda
adapen <- fit$pen_factor

nom <- as_nomogram(
  fit, x, time, event,
  pred.at = 365 * 2,
  funlabel = "2-Year Overall Survival Probability"
)

plot(nom)

5SvyNomv包

5.1 示例数据

set.seed(1234)

data("noNA", package = "SvyNom")

dstr2 <- svydesign(id = ~1, strata = ~group, prob = ~inv_weight, 
  fpc = ~ssize, data = noNA)

dd <- datadist(noNA)
options(datadist = "dd")
ss3 <- c(0.05, 0.2, 0.4, 0.6, 0.7, 0.8, 0.9, 0.95, 0.99)

5.2 可视化

mynom <- svycox.nomogram(.design = dstr2, .model = 
  Surv(survival, surv_cens) ~ ECOG + liver_only + Alb + Hb + Age + 
  Differentiation + Gt_1_m1site + lymph_only, .data = noNA, pred.at = 24, 
  fun.lab = "Prob of 2 Yr OS")

plot(mynom$nomog)

点个在看吧各位~ ✐.ɴɪᴄᴇ ᴅᴀʏ 〰