我很想问一下，各位做过诺模图(nomogram)、发过SCI的朋友，在实际工作中有没有用过自己的科研成果？比如，科室中正好来了一个新的患者，我们把发表的SCI论文打印出来，然后拿把尺子量一下每个变量的得分，再量一下总分对应的生存率。大家尝试过没有？哈哈……这个有点像转化医学。
R软件凭借着它开源共享的特点，又给大家带来新福利了。R包nomogramEx可以把诺模图中的变量与得分、以及总分与生存概率之间的对应关系用我们熟知的数学公式表示出来.那么，以后就可以不用尺子量了，或者还没有使用过自己科研成果的朋友，可以做个外部验证，看一下效果。
本公众号前期也推送过“nomogram”制作相关的文章，大家可以回复关键词“nomogram”获取。接下来的实例操作中也会进行相应的复习。
library(nomogramEx)#诺模图转换公式需要
library(rms)#做诺模图需要
#加载了nomogramEx包以后，运行help(nomogramEx)就可以得到下面例子
n <>
age <->#模拟生成年龄变量
sex <->
sex <->#模拟生成性别变量
ddist <->
options(datadist='ddist')
cens <->
time <- -log(runif(n))/0.02*exp(.04*(age-50)+.8*(sex="">
death <- ifelse(time=""><=>#模拟死亡结局
time <->#模拟时间变量
units(time)='month'
#到此，做诺模图的数据以及设置全部准备就绪
f <- cph(formula(surv(time,death)="" ~="" sex+age),="" x="TRUE," y="TRUE," surv="TRUE," time.inc="">#拟合生存分析模型
surv <->
nomo <- nomogram(f,="" fun="list(function(x)" surv(3,x),function(x)="">
lp=TRUE,funlabel=c('3-Month Survival Prob','6-Month Survival Prob'))#制作诺模图
plot(nomo)#输出诺模图结果，由于上面的数据是随机的，所以结果将会有所差别
nomogramEx(nomo=nomo, np=2, digit=9)#这里是最后一步了，函数需要输入参数有3个，nomo参数就是把上面的诺模图输入，np参数需要输入正整数。上面做诺模图的程序中我们设置了估计3个月和6个月的生存概率，这里的np需要输入的是估计的时间点的个数，默认是2。digit为输出的方程中，系数的小数位数，当然位数越大，估计越精确，默认是9。
$RESULT
[1] 'The equation of each variable as follows:'
[[2]]#sex变量
sex
1 0.00000
2 17.81468
[[3]]#age变量
[1] 'points = -1.538461538 * age + 130.769230769'
[[4]]#3个月的生存概率
[1] '3-Month Survival Prob = -8.6e-08 * points ^3 + 1.929e-06 * points ^2 + -0.000536215 * points + 0.984810484'
[[5]]#6个月的生存概率
[1] '6-Month Survival Prob = -1.13e-07 * points ^3 + -3.005e-06 * points ^2 + -0.000863862 * points + 0.966962938'
我们可以从上面的结果得到，sex变量对应的每个分类对应的分数，1为0分，2为17.81468分；年龄为一个一次方的公式：得分 = -1.538461538 * age + 130.769230769；6个月的生存概率为一个三次方的公式：生存概率 = -1.13e-07 * points ^3 + -3.005e-06 * points ^2 + -0.000863862 * points + 0.966962938。
因为nomogramEx包是通过对诺模图的各尺度对应关系进行方程提取的，未免有写偏差，那么它的准确性如何？看看下图，其中，黑色的点为从诺模图中抽取的数据，在我们的研究中作为金标准，而红色的线是通过nomogramEx包提取的公式计算的的拟合曲线，可以看出，在digit为9的精度下，两者完全重合。
科研最大的快乐是实际应用，你试过吗？通过本文的学习，大家可以愉快地把自己的诺模图应用到临床了。
联系客服
