列线图（Alignment Diagram），又称诺莫图（Nomogram图），它是建立在多因素回归分析的基础上，将多个预测指标进行整合，然后采用带有刻度的线段，按照一定的比例绘制在同一平面上，从而用以表达预测模型中各个变量之间的相互关系。它的基本原理，简单的说，就是通过构建多因素回归模型（常用的回归模型，例如Cox回归、Logistic回归等），根据模型中各个影响因素对结局变量的贡献程度（回归系数的大小），给每个影响因素的每个取值水平进行赋分，然后再将各个评分相加得到总评分，最后通过总评分与结局事件发生概率之间的函数转换关系，从而计算出该个体结局事件的预测值。列线图将复杂的回归方程，转变为了可视化的图形，使预测模型的结果更具有可读性，方便对患者进行评估。正是由于列线图这种直观便于理解的特点，使它在医学研究和临床实践中也逐渐得到了越来越多的关注和应用。
解释： 假设有一个患者，治疗方式是Resection，肿瘤大小是3-5，复发部位是Intrahepatic，多处复发是No，复发时间是1-2，复发时AFP是>200，复发时albumin-bilirutinl grade是II, III，抗病毒治疗是Yes。在图上找到各个点，对应上方Point的值，将所有的值相加（本处只是讲解大概的值，具体数值应该在模型中计算：Total Points=0+42+20+0+4+31+22+0=119）。在Total中我们可以看到，119对应的2年和5年的生存率分别约为0.80和0.68（本处是大致值，由于没有具体模型参数，无法给出精确值）。这就进一步说明Nomogram图的内容，本质就是对模型各个参数的一个直观展示。
结果如下：这类结果过于简陋！
regplot包中的regplot()函数可绘制较为美观的nomogram。但是，它目前只接收coxph()、lm()和glm()函数返回的回归对象。
如下图，regplot绘图更加美观，可以比较灵活的定义细节。
可任意标记想突出的患者在列线图上的分值分布，及事件发生风险概率！
网络参考
https://mp.weixin.qq.com/s/BWpy3F-nEKXCdVXmY3GYZg
https://mp.weixin.qq.com/s/gpR6IlS4XGaE8xngS7bQrQ
往期回顾
TCGA+biomarker——常见结果展示
TCGA+biomarker——Sample基线表
TCGA+biomarker——单因素Cox回归
TCGA+biomarker——多因素Cox回归
TCGA+biomarker——Cox回归森林图
更多内容可关注公共号“YJY技能修炼”~~~