列线图应用条件

列线图是指在平面坐标中用一簇互不相交的线段表示多个变量之间函数关系的定量分析图，其优势在于可以直接利用图形推算出某变量的取值，如患者的指标得分或生存概率等。它在医学领域中的应用由来已久，常见的有百分位列线图和概率列线图等。百分位列线图是确定个体某指标的测量值在总体中的百分位数概率列线图是确定某个体特定事件的发生概率，该特定事件可以是疾病的发生、复发以及预后(如死亡)等，往往由多因素二分类回归或COX比例风险模型求得。现重点介绍概率列线图(以下简称列线图)的应用、制作与验证。

列线图是使用一些互不相交的线段来推算事件的发生概率，使用时往往以直尺做垂线的方式来估算事件的发生概率。假设使用某个体的年龄、性别和体质指数(BMI)可预测某事件的发生风险，并且已建立列线图。如果某个体为45岁男性，BMI为25.3 kg/m2，根据列线图可推算出其年龄、性别和BMI的得分，然后将上述得分相加获得该个体的总得分。再根据列线图估算该总得分对应的发生概率，即为该个体此事件的发生概率。在实际工作中我们常常使用患者的诸多临床资料和各项检查结果，来预测患者的发病风险，或者预测肿瘤患者的生存概率等。

本质上，列线图是回归方程结果的可视化，常用于逻辑回归或COX回归的结果展示，依据回归的结果，按照特定的比例画出多个线段，通过做图能够便捷地推算出某个体的发病风险或生存概率。在实际工作中，我们常使用R软件中的rms包或者SAS软件来实现列线图的制作，R软件使用较为简便，SAS软件的制作方法在其帮助文档中也有介绍。另外列线图制作时要求研究者拥有足够数量的研究对象资料，从而能够有效地建立出良好的预测模型。

列线图在制作之前需要对预测模型的预测结果进行验证，常见的验证过程有内部验证和外部验证。内部验证是指采用建模的数据去验证模型的预测效果，可采用Bootstrap自抽样法或交叉验证的方法。Bootstrap自抽样法是在研究样本中进行有放回的抽样，然后使用抽得的样本进行计算。交叉验证是指将研究对象随机分为多段，然后交叉使用上述数据进行建模和验证。外部验证是使用另外一组研究对象的数据(即外部数据)去验证模型的预测准确性。因此在列线图的制作上，不能盲目地建立某个指标的列线图，只有当模型的预测效果得到了明确验证之后，方可对模型制作列线图，此时该列线图也会有很好的应用价值。

列线图是指在平面坐标中用一簇互不相交的线段表示多个变量之间函数关系的定量分析图，其优势在于可以直接利用图形推算出某变量的取值，如患者的指标得分或生存概率等。它在医学领域中的应用由来已久，常见的有百分位列线图和概率列线图等。百分位列线图是确定个体某指标的测量值在总体中的百分位数概率列线图是确定某个体特定事件的发生概率，该特定事件可以是疾病的发生、复发以及预后(如死亡)等，往往由多因素二分类回归或COX比例风险模型求得。现重点介绍概率列线图(以下简称列线图)的应用、制作与验证。

列线图是使用一些互不相交的线段来推算事件的发生概率，使用时往往以直尺做垂线的方式来估算事件的发生概率。假设使用某个体的年龄、性别和体质指数(BMI)可预测某事件的发生风险，并且已建立列线图。如果某个体为45岁男性，BMI为25.3 kg/m2，根据列线图可推算出其年龄、性别和BMI的得分，然后将上述得分相加获得该个体的总得分。再根据列线图估算该总得分对应的发生概率，即为该个体此事件的发生概率。在实际工作中我们常常使用患者的诸多临床资料和各项检查结果，来预测患者的发病风险，或者预测肿瘤患者的生存概率等。

本质上，列线图是回归方程结果的可视化，常用于逻辑回归或COX回归的结果展示，依据回归的结果，按照特定的比例画出多个线段，通过做图能够便捷地推算出某个体的发病风险或生存概率。在实际工作中，我们常使用R软件中的rms包或者SAS软件来实现列线图的制作，R软件使用较为简便，SAS软件的制作方法在其帮助文档中也有介绍。另外列线图制作时要求研究者拥有足够数量的研究对象资料，从而能够有效地建立出良好的预测模型。

列线图在制作之前需要对预测模型的预测结果进行验证，常见的验证过程有内部验证和外部验证。内部验证是指采用建模的数据去验证模型的预测效果，可采用Bootstrap自抽样法或交叉验证的方法。Bootstrap自抽样法是在研究样本中进行有放回的抽样，然后使用抽得的样本进行计算。交叉验证是指将研究对象随机分为多段，然后交叉使用上述数据进行建模和验证。外部验证是使用另外一组研究对象的数据(即外部数据)去验证模型的预测准确性。因此在列线图的制作上，不能盲目地建立某个指标的列线图，只有当模型的预测效果得到了明确验证之后，方可对模型制作列线图，此时该列线图也会有很好的应用价值。