R语言绘制列线图构建（以二分类Logistic为例）超详细

浅谈二分类回归模型

    COX回归分析不少见，但是简单异性的以二分类结局进行的回归分析更多，由于研究设计的研究便行，也是初次投稿的小白们比较理想的选择对象，二者的过程基本相似，但所用函数略有区别，从浅到深，先以二分类结局的Logistic回归为例，讲解一下

案例数据说明

有一组102例患者，来分析6个变量（old+bedridden time +EN + Probiotics  +  Albumin  +  Antibacterials）对是否发生某个并发症的影响。此处并发症是否发生是个二分类变量，就简单命名GROUP。

构建列线图 

Mydata f_lrm  f_lrm  summary(f_lrm)    #查看回归方程的结果             Effects              Response : GROUP  Factor         Low     High  Diff.   Effect    S.E.    Lower 0.95 Upper 0.95 old            53.8080 67.77 13.9620  1.911400 0.59957  0.736300   3.08660    Odds Ratio    53.8080 67.77 13.9620  6.762800      NA  2.088200  21.90200   bedridden.time  1.5350  2.71  1.1750  0.815420 0.40518  0.021276   1.60960    Odds Ratio     1.5350  2.71  1.1750  2.260100      NA  1.021500   5.00060   EN              0.8575  2.05  1.1925  1.090200 0.48099  0.147460   2.03290    Odds Ratio     0.8575  2.05  1.1925  2.974800      NA  1.158900   7.63630   Probiotics      0.0000  1.00  1.0000 -2.879300 0.83749 -4.520800  -1.23790    Odds Ratio     0.0000  1.00  1.0000  0.056171      NA  0.010880   0.29000   Albumin        31.4820 38.69  7.2075 -1.989600 0.57477 -3.116100  -0.86305    Odds Ratio    31.4820 38.69  7.2075  0.136750      NA  0.044329   0.42187   Antibacterials  0.0000  1.00  1.0000  2.808000 0.85382  1.134500   4.48140    Odds Ratio     0.0000  1.00  1.0000 16.576000      NA  3.109700  88.36000  > nomogram  plot(nomogram)    #输出图片，右边plots可见列线图模型,到这里结果就出来了

最后，如果你的列线图出现某个指标的线很短、或者结局那一栏的数据挤在一块不好看，刨除数据本身问题，这都是可以改的。

一个是在画布设置那里，还有一个是在列线图模型参数设置那里

par(mgp=c(1.6,0.6,0),mar=c(5,5,3,1))     ##设置画布的命令，更改它会有意想不到的惊喜nomogram