?

【小云解讀生信圖】分析報告中的Nomogram(諾莫圖/列線圖)你會看嗎？這篇給你詳細(xì)解答！

? ? 列線圖究竟是什么？

文獻(xiàn)/生信分析報告中的列線圖怎么看？

從圖中我們可以得到哪些信息？

【小云解讀生信圖】欄目給大家講了火山圖、熱圖、相關(guān)性散點圖、GSEA圖、箱線圖。。。

【小云解讀生信圖】做了分析，拿到數(shù)據(jù)，一堆圖怎么看? 別急，小云來幫你，先從火山圖學(xué)起

【小云解讀生信圖】加更啦！第三波，相關(guān)性分析散點圖走起

【小云解讀生信圖】分析報告中的“熱圖”看不懂？看完這篇就會了，手把手教你一分鐘學(xué)會！

【小云解讀生信圖】功能超級強大的箱線圖，你會看嗎?

那么今天小云就接著給大家講講Nomogram(諾莫圖/列線圖)如何解讀。

1.?列線圖是什么？

? ? 列線圖（Alignment Diagram），又稱諾莫圖（Nomogram），在生信分析的文章中隨處可見。?

簡單概括：列線圖是將Logistic回歸或Cox回歸的結(jié)果進(jìn)行可視化呈現(xiàn)。

稍微復(fù)雜點說：就是通過構(gòu)建多因素回歸模型（例如Cox回歸、Logistic回歸等常用的回歸模型），根據(jù)模型中各個指標(biāo)（影響因素）對結(jié)局變量的貢獻(xiàn)程度（回歸系數(shù)的大小），給每個指標(biāo)的每個取值水平進(jìn)行評分（points），然后再將各個評分相加得到總評分（total?points），最后通過總評分與臨床結(jié)局事件（患病風(fēng)險/生存率）發(fā)生概率之間的函數(shù)轉(zhuǎn)換關(guān)系，從而計算出該患者結(jié)局事件的預(yù)測值。

小云解說版：?列線圖是根據(jù)所有預(yù)測指標(biāo)回歸系數(shù)的大小來制定評分標(biāo)準(zhǔn)，給每個預(yù)測指標(biāo)的每個取值水平都對應(yīng)一個評分；對于每個患者的多個預(yù)測指標(biāo)，就可計算得到一個總分，再通過得分計算每個患者臨床結(jié)局發(fā)生的概率。展示形式就是采用帶有刻度的線，按照一定的比例繪制在同一平面上，用來表達(dá)預(yù)測模型中各個變量之間的相互關(guān)系。

? ? 估計你看完上述的文字，還是看不懂，沒關(guān)系，我們直接看圖說話，讓你1分鐘學(xué)會！

2.?列線圖的解讀

? ? 下圖是一張常見的列線圖，主要由左列的名稱以及右列對應(yīng)的帶有刻度的線組成：

（1）左側(cè)變量名稱（也就是不同的預(yù)測指標(biāo)）：例如圖中的年齡（Age）、性別（sex）等信息，每一個變量對應(yīng)的線上都標(biāo)注了刻度，代表了該變量的可取值范圍，而線段的長度則反映了該因素對臨床結(jié)局事件的貢獻(xiàn)大小。

（2）得分：包括單項得分（即圖中的Point），表示每個變量在不同取值下所對應(yīng)的單項分?jǐn)?shù)；總分（即Total Point），表示所有變量取值后對應(yīng)的單項分?jǐn)?shù)加起來合計的總得分。

（3）預(yù)測概率：例如圖中的Risk表示患某種疾病的風(fēng)險。

假如我們有這樣一個患者，70歲（point為70），男性（point為65）。

? ? 那么他的總得分就是65+70=135分，則這個患者患這種疾病的風(fēng)險就是0.845，還是比較高的，根據(jù)此預(yù)測結(jié)果，最好提前預(yù)防或者提前做好篩查。

當(dāng)然，實際文獻(xiàn)中會涉及到的指標(biāo)比這個圖要多，但原理是一樣的，無非就是評分項多一些。

接著我們再來實踐一下，看你有沒有學(xué)會：

? ? 根據(jù)文獻(xiàn)中的一個列線圖，假設(shè)有個患者60歲，NETs評分為1，所患腫瘤類型是結(jié)腸腺癌（COAD）。

? ? 如下圖中紅色箭頭所示：當(dāng)age=60時，對應(yīng)的points是16；當(dāng)NETs評分為1，對應(yīng)的points是37；當(dāng)腫瘤類型（cancer?type）是COAD時，對應(yīng)的points是52。

? ? 因此，我們就可以計算出總分（Total points）：16 + 37+ 52= 105分。再根據(jù)上圖中的藍(lán)色箭頭就可以計算出1年、3年、5年以及10年生存率。

? ? 除了傳統(tǒng)的只有坐標(biāo)軸的列線圖，還包括下列這種展示信息更加豐富的列線圖。

? ? 在經(jīng)典列線圖的坐標(biāo)軸元素的基礎(chǔ)上，對于連續(xù)型變量，采用直方圖的形式來展示其分布，另外還可以在圖上標(biāo)記比較某個患者各個指標(biāo)的points 以及基于模型預(yù)測的生存概率。讓圖片看起來更加容易解讀。

3.?列線圖臨床意義

? ? 列線圖能夠?qū)?fù)雜的回歸方程轉(zhuǎn)化成可視化的簡單圖形，使預(yù)測結(jié)果更簡易可讀，更方便對患者病情進(jìn)行評估；在臨床中可用于多指標(biāo)聯(lián)合診斷或預(yù)測疾病風(fēng)險或預(yù)后。

? ? 通過列線圖，可以為每個患者提供一個精確的數(shù)字化的生存或者風(fēng)險概率，可以輔助臨床醫(yī)生進(jìn)行決策，體現(xiàn)了個體化醫(yī)療的思想。但是前提是必須有清晰明了的臨床問題和模型構(gòu)建，而且在應(yīng)用于臨床決策前，需要了解其性能和局限。只有這樣，列線圖才能更好的應(yīng)用于臨床。

4.?列線圖的構(gòu)建：

構(gòu)建列線圖，其實就是構(gòu)建診斷或預(yù)后模型?

（1）首先要明確想要研究的因素，其實就是確定自變量，比如基于銅死亡相關(guān)基因或者衰老相關(guān)基因進(jìn)行預(yù)測

（2）明確臨床結(jié)局，通過模型對疾病進(jìn)行診斷或預(yù)測患者的預(yù)后的生存期、復(fù)發(fā)風(fēng)險等。

（3）選擇合適的數(shù)據(jù)，構(gòu)建模型需要患者的相關(guān)指標(biāo)和臨床特征、生存信息，自測數(shù)據(jù)還是公共數(shù)據(jù)等。

經(jīng)過篩選，確定了用于構(gòu)建模型的預(yù)測指標(biāo)之后，下一步就是確定模型，最常用的就是cox等比例風(fēng)險回歸模型了。

5.?列線圖的評價

? ? 驗證模型性能，可以用多個隊列數(shù)據(jù)進(jìn)行驗證，所以一般需要三個數(shù)據(jù)集：訓(xùn)練集、內(nèi)部驗證集、外部驗證集。

? ? 通過驗證，可以發(fā)現(xiàn)模型過擬合等問題，從而采取減少變量等措施來改進(jìn)模型。模型構(gòu)建好之后，還要進(jìn)一步評估模型的性能，這個模型性能有多好，是不是可以接受，這就需要借助特定的性能指標(biāo)：

? ? （1）區(qū)分能力（discrimination）：評價一個模型正確區(qū)分發(fā)生了對應(yīng)臨床結(jié)局和沒有發(fā)生臨床結(jié)局患者的能力。用concordance index（一致性指數(shù)，CI）來表征, 其本質(zhì)就是ROC曲線下面積AUC，取值范圍為0.5-1.0，越接近1.0說明預(yù)測結(jié)果與實際結(jié)果的一致性越好，其中0.5~0.7為較低區(qū)分度，＞0.7~0.9為中等區(qū)分度，＞0.9為高區(qū)分度。

（2）校準(zhǔn)度（Calibration）：評價一個模型預(yù)測個體發(fā)生臨床結(jié)局的概率的準(zhǔn)確性。在實際應(yīng)用中，通常用校準(zhǔn)曲線來表征。校準(zhǔn)曲線展示了模型預(yù)測值與實際值之間的偏差，一個典型的校準(zhǔn)曲線示例如下

? ? 橫軸表示模型預(yù)測的不同臨床結(jié)局概率，縱軸表示實際觀察到的患者臨床結(jié)局的概率，用中位數(shù)加均值的errorbar 形式表征，并繪制了一條斜率為1的理想曲線作為參照，實際曲線越接近于理想曲線，表明校準(zhǔn)度越好，即模型預(yù)測結(jié)果與實際結(jié)果的偏差越小，模型效果越好。校準(zhǔn)曲線是在特定隊列數(shù)據(jù)上得到的，也就是預(yù)測模型在某個隊列上的體現(xiàn)。

（3）臨床有效性：用決策分析曲線（Decision Curve Analysis，DCA）評價模型的臨床實用性，典型的DCA曲線如下。

? ? 對于這張圖來說，圖中有4條曲線對應(yīng)4種模型，其中2條彩色的主要的就是構(gòu)建的預(yù)后模型（NETs評分），而另外兩條就是輔助決策的模型，一條灰色的表示患者全部發(fā)生臨床結(jié)局，另一條黑色的表示患者全部沒有發(fā)生臨床結(jié)局。橫坐標(biāo)是閾值概率，縱坐標(biāo)是凈收益，凈收益=（真陽性比例-假陽性比例）×權(quán)重系數(shù)，權(quán)重系數(shù)是假陽性和假陰性兩種臨床后果的相對危害。

? ? 通過上圖可以看到，當(dāng)概率小于0.15或者大于0.7時，預(yù)后模型的凈收益與另外兩條曲線幾乎沒區(qū)別，因此模型在這些區(qū)間是無助于臨床決策的，即臨床應(yīng)用價值越低。相反區(qū)間臨床應(yīng)用價值越高。

? ?總結(jié)

? ? 怎么樣，看完小云的分析，是不是讓生信小白們豁然開朗了呀？還有問題的話歡迎給小云留言或私信哦，當(dāng)然也可以跟小云說，你想看哪些生信圖片的解讀，小云非常樂意為您提供服務(wù)！

如果您的時間和精力有限或者缺乏相關(guān)經(jīng)驗，并且對復(fù)現(xiàn)某張生信圖、生信分析和思路設(shè)計有所需要的話，“云生信”非常樂意為您提供免費思路評估、付費生信分析和定制生信思路設(shè)計等服務(wù)，歡迎咨詢哦！