前面的视频我们了解了关于生存分析的KM曲线和log-rank检验，Cox回归的多因素生存分析，以及如何评估Cox模型假设有效性。在建立了cox回归模型之后，如何把模型展示出来，这就需要用到“列线图”。列线图，也叫nomogram图，是一种直观有效地展示Cox回归结果的一种方法。我们今天就来了解一下列线图。

下面就是列线图的样子：

最左边的给出了一些变量名称，包括：points(评分)，age（年龄），sex（性别），ECG（心电图），Total Points（总分），Risk（风险）。每个变量名右侧都有一条标有数值的直线轴，代表不同的评分或概率。

就那上图来说。我们想知道年龄45岁 (age=45) 的女性（sex=1）的患病风险，只需要将age=45岁向“ points（评分）”轴投射，则：points=50；同理 sex=1 时，points≈37。两者相加则“ Total points=87”；将此数值在“ Total points ”轴上向“ Risk ”概率轴投射，则可知风险大概在0.4和0.5之间。（参见图中红线）

下面我们看看如何通过R语言来绘制列线图。

我们打开Rstudio后，首先载入要用到的R包，如果没有安装的话，记得先安装。

今天我们用到的数据是survival程序包的lung数据：

data("lung") head(lung)

载入后我们看一下这个数据集：

在这个书籍中我们可以添加变量标签以便后续说明

这里，1 = male ，2 = female。

按照nomogrm（）函数的要求，需要先“打包”数据，这是绘制列线图的关键步骤。"打包"用到的是datadist（）函数, 该函数计算预测器的统计摘要，以自动估计和绘制效果。用户通常将最终的数据框提供给datadist（）函数，并使用options函数设置数据分布。注意，如果修改数据框中的数据，则需要使用datadist（）函数重置分布摘要。在R中输入: ??datadist可以查看详细说明。

4. 构建Cox模型

这里我们用 cph()函数来拟合Cox比例风险回归模型, 你也可以尝试使用 coxph()函数来拟合，自己可以尝试一下。

5. 构建生存函数

6. 绘图：预测中位生存时间

生成的图像是这样的，注意图的最下一行是“ Median Survival Time（中位生存时间）”。

这里要注意的是，lung数据的“time”是以“天”为单位。

生成的图像是这样的，注意图的最下一行是“ 1-year Survival Probability（1年生存率）”和“2-year Survival Probability（2年生存率）”。

我们主要计算“ C-index ”即C-指数和绘制矫正曲线，来对Cox回归的预测效果进行评价。

Somers' Rank Correlation for Censored Data    Response variable:Surv(time, status)                     C    Dxy  aDxy    SD    Z     P   n predict(res.cox) 0.397 -0.206 0.206 0.051 4.03 1e-04 228

这里对参数做一些说明：

绘制校正曲线前需要在模型函数中添加参数x=T, y=T，详细参考帮助

u需要与之前模型中定义好的time.inc一致，即365或730；

m要根据样本量来确定，由于标准曲线一般将所有样本分为3组（在图中显示3个点）

m代表每组的样本量数，因此m*3应该等于或近似等于样本量；

b代表最大再抽样的样本量

这里是加上了x=T, y=T，time.inc = 365三个参数：

构建校正曲线

通过??rms::calibrate查看详细参数说明

绘制校正曲线

生成的校准曲线图是这样的：