列線圖（Alignment Diagram），又稱諾莫圖（Nomogram圖），它是建立在多因素回歸分析的基礎上，將多個預測指標進行整合，然後采用帶有刻度的線段，按照壹定的比例繪制在同壹平面上，從而用以表達預測模型中各個變量之間的相互關系。它的基本原理，簡單的說，就是通過構建多因素回歸模型（常用的回歸模型，例如Cox回歸、Logistic回歸等），根據模型中各個影響因素對結局變量的貢獻程度（回歸系數的大小），給每個影響因素的每個取值水平進行賦分，然後再將各個評分相加得到總評分，最後通過總評分與結局事件發生概率之間的函數轉換關系，從而計算出該個體結局事件的預測值。列線圖將復雜的回歸方程，轉變為了可視化的圖形，使預測模型的結果更具有可讀性，方便對患者進行評估。正是由於列線圖這種直觀便於理解的特點，使它在醫學研究和臨床實踐中也逐漸得到了越來越多的關註和應用。
解釋： 假設有壹個患者，治療方式是Resection，腫瘤大小是3-5，復發部位是Intrahepatic，多處復發是No，復發時間是1-2，復發時AFP是>200，復發時albumin-bilirutinl grade是II, III，抗病毒治療是Yes。在圖上找到各個點，對應上方Point的值，將所有的值相加（本處只是講解大概的值，具體數值應該在模型中計算：Total Points=0+42+20+0+4+31+22+0=119）。在Total中我們可以看到，119對應的2年和5年的生存率分別約為0.80和0.68（本處是大致值，由於沒有具體模型參數，無法給出精確值）。這就進壹步說明Nomogram圖的內容，本質就是對模型各個參數的壹個直觀展示。
結果如下：這類結果過於簡陋！
regplot包中的regplot()函數可繪制較為美觀的nomogram。但是，它目前只接收coxph()、lm()和glm()函數返回的回歸對象。
如下圖，regplot繪圖更加美觀，可以比較靈活的定義細節。
可任意標記想突出的患者在列線圖上的分值分布，及事件發生風險概率！
網絡參考
/s/BWpy3F-nEKXCdVXmY3GYZg
/s/gpR6IlS4XGaE8xngS7bQrQ
往期回顧
TCGA+biomarker——常見結果展示
TCGA+biomarker——Sample基線表
TCGA+biomarker——單因素Cox回歸
TCGA+biomarker——多因素Cox回歸
TCGA+biomarker——Cox回歸森林圖
更多內容可關註公***號“YJY技能修煉”~~~