不管是完整的生存曲线，还是特定时间段的生存概率，都是以图的形式来展示的，不利于获得精确的预测概率值。这一需求可以在NumericalSummary的页面中解决，点击NumericalSummary的页面后，使用者可以看到每个患者具体的预测生存概率值。

5.基于shinyPredic的动态诺莫图

在上一篇文章中，我们提到基于shinyPredict的动态诺莫图可以更改主题。这里所说的主题包括两个方面：在shinyPredict函数中设置shinytheme=“paper”等，修改整体的显示样式；在得到的动态诺莫图的Addplotscript框中写入+theme_stata或theme_wsj等（来自ggthemes程序包），即可修改图片主题。

#1.加载程序包

library(shinyPredict)

#2.构建另外的预测模型

Cox_nomo4

data=train_data,model=F,y=F)

#3.绘制诺莫图

shinyPredict(models=list("model1"=Cox_nomo4),

path="C://Users//123//Desktop",#需更改为自己的工作路径

data=train_data[,c(2:4,7:9)],

title="Dynamicnomogram",

shinytheme="paper")

Figure6.基于shinyPredict的动态诺莫图（stata主题）

Figure7.基于shinyPredict的动态诺莫图（wsj主题）

结束语

以上便是基于Cox比例风险模型的5种诺莫图的绘制过程及代码，至此基于logistic和Cox模型的诺莫图绘制已经介绍完毕。纸上得来终觉浅，绝知此事要躬行，大家可以使用自己的数据实践一下。