诺模图：医学统计中的可视化预测工具

诺模图：医学统计中的可视化预测工具

引用

丁香园

1.

https://www.dxy.cn/bbs/newweb/pc/post/40500941?_t=t

诺模图（Nomogram）是将Logistic回归或Cox回归的结果进行可视化呈现的工具。它根据所有自变量回归系数的大小来制定评分标准，给每个自变量的每种取值水平一个评分，对每个患者，就可计算得到一个总分，再通过得分与结局发生概率之间的转换函数来计算每个患者的结局时间发生的概率。

图1：Logistic回归的诺曼图示例

Logistic回归的诺模图应用

以Logistic回归为例，假设我们想了解年龄70岁的男性的患病风险。通过诺模图，我们可以这样操作：

1. 找到年龄（age）轴上70岁对应的点，向points轴投射，得到points≈70
2. 找到性别（sex）轴上male对应的点，向points轴投射，得到points≈65
3. 将两个得分相加，得到Total points=135
4. 在Total points轴上找到135对应的点，向Risk概率轴投射，得到患病风险约为0.83

Cox回归的诺模图应用

对于Cox回归，诺模图可以帮助我们简便地获得不同预测变量单独或组合情况下的中位生存时间或预测的生存概率。

图2：中位生存时间的诺曼图示例

以中位生存时间的诺曼图为例，假设我们想了解60岁女性的中位生存时间：

1. 找到年龄和性别对应的总点数，约为116分
2. 在Total points轴上找到116对应的点，向中位生存时间轴投射，得到中位生存时间约为550天

图3：生存概率的诺曼图示例

同样地，我们可以通过生存概率的诺曼图，找到60岁女性的1年及2年的生存概率分别约为65%和40%。

诺模图的评价方法

诺模图的预测效果可以通过以下两种方式评价：

1. C-index：类似于AUC指标，用于评估模型的区分能力
2. 校正曲线：评估模型预测概率与实际概率的一致性

R语言绘制诺模图

以下是使用R语言绘制诺模图的基本步骤：

1. 加载必要的程序包
2. 读取数据
3. 按照nomogram要求“打包”数据
4. 构建Logistic回归或Cox回归模型
5. 绘制诺模图
6. 评估模型预测效果

需要注意的是，绘制诺模图需要一定的统计学和编程基础，建议在专业人员指导下进行。

本文原文来自丁香园论坛