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
