最近临床工作太忙,每天早上7点到科室,晚上8点以后下班,回到家就想安静的躺会,不想说话,然后,然后就睡着了。
年轻人,为了生活,选择拼命工作,这种拼命工作的精神值得敬佩。但,不要遗忘了内心深处的那个梦想啦!否则,日复一日,年复一年,留给自己实现梦想的时间真的不多了。
作者的梦想是,熊市囤币,牛市变现,争取通过三个牛熊周期实现财富自由,然后辞职,选择一座安宁、干净的小城,在家带娃、跑步和写作,过上日本作家村上春树那样的生活。
唯此一生,死而无憾。
上周因外出开会,浪了一个周末,公众号没能持续周更,在简书上随便写了一篇文章应付了007,内心惭愧,学习的脚步一刻不能停。
本周继续总结SEER研究心得,关于利用R制作列线图。
在制作列线图之前,问自己,什么是列线图?干什么用的?
列线图(Alignment Diagram),又称诺莫图(Nomogram图),它是建立在多因素回归分析的基础上,将多个预测指标进行整合,然后采用带有刻度的线段,按照一定的比例绘制在同一平面上;
根据模型中各个影响因素对结局变量的贡献程度(回归系数的大小),给每个影响因素的每个取值水平进行赋分,然后再将各个评分相加得到总评分,最后通过总评分与结局事件发生概率之间的函数转换关系,从而计算出该个体结局事件的预测值,临床上方便对患者进行评估。
乳腺癌患者生存概率预测列线图
说了这么多,就是看不懂,来两个场景,在场景中理解就会很容易。
【场景一】
医生跟家属做术前谈话时,医生说术中大出血的风险很大,家属问到风险很大是多大?医生说就是很大!
——还能好好聊下去不?!
【场景二】
医生跟家属做术前谈话时,医生说术中大出血的风险很大,家属问到风险很大是多大?医生一手拿着全英文列线图,一手拿着大病历的术前检查结果,算了七七四十九秒,告诉家属风险是78%。
——这医生说话真靠谱!
利用R作列线图
1.打开Rstudio,导入一个乳腺癌患者的生存资料,包括:年龄、病理类型、组织分级、雌激素受体状态、孕激素受体状态、淋巴结转移、结局及生存时间。
2.安装以下程序包,如图。
命令:
install.packages('rms')
install.packages('Hmisc')
install.packages('lattice')
install.packages('survival')
install.packages('Formula')
install.packages('ggplot2')
install.packages('foreign')
3.载入程序包foreign,如图。
命令:library(foreign)
4.读入spss数据,如图。
命令:bc <- read.spss('C:/Breast cancer survival agec.sav', use.value.labels=F, to.data.frame=T)
5.删除缺失值,如图。
命令:bc <- na.omit(bc)
6.加载rms包,如图。
命令:library(rms)
7.数据打包,如图。
命令:
dd <- datadist(bc)
options(datadist='dd')
8.生存函数,如图。
命令:
f <- cph(Surv(time, status) ~ agec + pr + pathscat + ln_yesno, x=T, y=T, surv=T, data=bc, time.inc=36)
surv <- Survival(f)
9.建立nomgram,如图。
命令:nom <- nomogram(f, fun=list(function(x) surv(36, x), function(x) surv(60, x), function(x) surv(120, x)), lp=F, funlabel=c('3-year survival', '5-year survival', '10-year survival'), maxscale=10, fun.at=c(0.95, 0.9, 0.85, 0.8, 0.75, 0.7, 0.6, 0.5))
10.画图nomgram,如图。
命令:plot(nom)
一个列线图就这样完成了,当然,制作列线图通常要求研究拥有足够数量的研究对象,从而才能够建立有效的预测模型,在列线图制作之前也需要对预测模型的预测能力进行验证,本节内容不再叙述。
说到底,制作列线图的好处有两个:1.能够快速查询到患者未来的生存概率,便于引起他们对健康状况的重视;2.图形形象、直观,提高文章逼格。
一周浑浑噩噩即将过完,下一个崭新的一周马上到来,希望自己每周都有收获。
晚间毒鸡汤:人生的终极梦想是自由:财富自由、时间自由、心灵自由。
晚安,各位。
END
联系客服