本文转自易学统计基于Lasso回归筛选变量构建Cox模型并绘制Nomogram
研究背景
本章是基于Lasso回归筛选变量后，构建Cox回归临床预测模型，并绘制Nomogram图。Cox模型是一种半参数模型，该模型以生存结局和生存时间为因变量，分析多个因素对生存期的影响，常用RR来量化这种结果，绘制Nomogram列线图实现个体预测。有关Lasso回归可见公众号前文章介绍：如何进行高维变量筛选和特征选择(一)？Lasso回归
案例研究
- 本文数据收集了83例癌症患者的生存资料，包含患者年龄、性别、癌症分期等。研究目的探讨癌症患者生存情况的影响因素并构建预测模型。
临床研究一般有提供多个危险因素，首先做单因素的筛选，具体筛选方法，见公众号之前的文章。本文采用Lasso回归筛选因素。 - 具体分析步骤是①筛选变量②基于这些变量构建模型③绘制Nomogram图，预测不同时间生存概率。③计算模型c_index(区分度)该步骤用神包rms一步实现。接下来直接上代码。
R代码及解读
##加载包 明确每个包的作用
library(glmnet) ##Lasso回归
library(rms) ## 画列线图；
library(VIM) ## 包中aggr()函数，判断数据缺失情况
library(survival) ## 生存分析包
#读取数据集
dt <-read.csv("cancer.csv")
str(dt) ##查看每个变量结构
aggr(dt,prop=T,numbers=T) #判断数据缺失情况，红色表示有缺失。
dt <- na.omit(dt) 按行删除缺失值
由图片可看到所有变量都为蓝色，没有缺失值。如果用na.omit()函数按照行删除。
第一步，也是很重要的一步，数据整理。
用for循环语句将数值型变量转为因子变量
for(i in names(dt)[c(4:9)]) {dt[,i] <- as.factor(dt[,i])}
##筛选变量前，首先将自变量数据（因子变量）转变成矩阵（matrix）
## Lasso要求的数据类型
x.factors <- modtel.matrix(~ dt$sex+dt$trt+dt$bui+dt$ch+dt$p+dt$stage,dt)[,-1]
#将矩阵的因子变量与其它定量边量合并成数据框，定义了自变量。
x <- as.matrix(dtata.frame(x.factors,dt[,3]))
#设置应变量，打包生存时间和生存状态（生存数据）
y <- data.matrix(Surv(dt$time,dt$censor))
第二步：Lasso回归筛选变量
#调用glmnet包中的glmnet函数，注意family那里一定要制定是“cox”，如果是做logistic需要换成"binomial"。
fit <-glmnet(x,y,family = "cox",alpha = 1)
plot(fit,label=T)
plot(fit,xvar="lambda",label=T)
#主要在做交叉验证,lasso
fitcv <- cv.glmnet(x,y,family="cox", alpha=1,nfolds=10)
plot(fitcv)
coef(fitcv, s="lambda.min")
##
#9 x 1 sparse Matrix of class "dgCMatrix" 1
##d.sex1 .
##d.trt1 .
##d.bui1 .
##d.ch2 .
##d.ch3 .
##d.ch4 -0.330676
##d.p1 .
##d.stage4 .
##d...3.
该图在之前文章提到，见如何进行高维变量筛选和特征选择(一)？Lasso回归，由上述代码以及图片完成变量筛选，这里只做演示，假设所有的变量都入选了，我们用这些入选的变量构建Cox回归模型。
第三步：构建Cox模型，并检验等比例风险
#拟合cox回归
coxm <-cph(Surv(time,censor==1)~age+sex+trt+bui+ch+p+stage,x=T,y=T,data=dt,surv=T)
cox.zph(coxm)#等比例风险假定
## chisq df p
##age 1.993 1 0.158
##sex 0.363 1 0.547
##trt 3.735 1 0.053
##bui 2.587 1 0.108
##ch 0.296 1 0.587
##p 0.307 1 0.579
##stage 0.395 1 0.530
##GLOBAL 9.802 7 0.200
注意chp()函数的写法，其中因变量需要用Surv()先打包。后面写法同LR。
等比例风险检验：最后面的GLOBAL是整体看，P值大于0.05，全模型整体都是满足的。对于每一个分类来说P值大于0.05，也是满足的。
第四步：绘制nomogram图，注意该函数里面的参数设置。
surv <- Survival(coxm) # 建立生存函数
surv1 <- function(x)surv(1*3,lp=x) # 定义time.inc,3月OS
surv2 <- function(x)surv(1*6,lp=x) # 定义time.inc,6月OS
surv3 <- function(x)surv(1*12,lp=x) # 定义time.inc,1年OS
dd<-datadist(dt) #设置工作环境变量，将数据整合
options(datadist='dd') #设置工作环境变量，将数据整合
plot(nomogram(coxm,
fun=list(surv1,surv2,surv3),
lp= F,
funlabel=c('3-Month Survival','6-Month survival','12-Month survival'),
maxscale=100,
fun.at=c('0.9','0.85','0.80','0.70','0.6','0.5','0.4','0.3','0.2','0.1')),
xfrac=.45)
#maxscale 参数指定最高分数，一般设置为100或者10分
#fun.at 设置生存率的刻度
#xfrac 设置数值轴与最左边标签的距离，可以调节下数值观察下图片变化情况
plot(nomogram)
该图的使用，本质上是将Cox回归模型可视化展示，方便临床快速判断。假设有个病人性别为女，trt为0，P期为1，Nomogram用法是在sex变量上找到其值为1的刻度，然后画垂线投影到最上方的points刻度尺上，找到对应的分值为75分，同理找到trt为0的分值约为50分，P为1的对应分值为100，将这三个因素的points值加起来总分225。下一步在下面的Total Points刻度尺上找到225分，向下方的3个轴做垂线，6-Month-survival对应的值在0.6和0.7之间，约为0.65，说明该患者6个月的生存概率值为65%，其他以此类推。
第五步：利用rms包计算模型区分度。
##模型验证
#Concordance index
f<-coxph(Surv(time,censor==1)~age+sex+trt+bui+ch+p+stage,data=d)
sum.surv<-summary(f)
c_index<-sum.surv$concordance
c_index ##
##C se(C)
##0.55396619 0.07664425
该模型的区分度C-index为0.554，其本质同ROC曲线面积。结果显示，该模型的区分度一般。根据前面变量筛选，考虑纳入更多的影响因素和样本。
以上就是本次跟大家分享的内容，觉得有用的话点赞、转发哦~
更多阅读
如何进行变量筛选和特征选择(三)？交叉验证
如何进行变量筛选和特征选择(二)？最优子集回归
如何进行高维变量筛选和特征选择(一)？Lasso回归
R语言Logistic回归模型验证及Nomogram绘制
