r语言发表论文

一篇论文需要有自己的亮点。《拉丁美洲研究》编辑委员Fiona Macaulay曾经说过：“ 不要把你的亮点藏得像大海捞针一样 ”。 Nomogram就是这样一种可以清晰简洁地展示你的亮点方式。 近年来，Nomogram崭露头角，越来越多地在高质量临床论文中出现。 一张好的nomogram图能给你的论文添加一抹亮色。 Nomogram：中文称为诺莫图或者列线图，是由Henderson于1926年创制的一种预测模型，可以用多个指标诊断疾病、预测疾病预后、预测疾病复发等。 其核心在于对不同的指标分配不同的评分，联合所有评分计算总分，以此进行诊断或者预测。 接下来以一篇食管癌的nomogram为例给大家讲解下nomogram怎么解读。 Nomogram主要有三个部分：评分部分、指标部分和结局部分。 根据病人情况，选择对应指标的评分。 比如我的病人是一个65岁的女性食管鳞癌患者，其病理分级为高级别（G3）期，未进行放疗和化疗，TNM分期为T2 N0，检验淋巴结＞13个。 我想要预测下该病人的3年生存率和五年生存率。 针对每个指标，比如年龄、性别、病理类型、放化疗情况等，对应评分部分，如下图。年龄65岁，对应的评分为12分；女性，对应的评分为0分；鳞癌，对应的评分为20分。 每个指标评分完毕后，将各个子分数相加，得到总分。 比如上述患者，相加后总分为150分。 在结局部分，根据150分的总分，分析对应的3年生存率和5年生存率，分别为54%和42% nomogram可用于预测个体患病的可能性；或者用于预测患者3年生存率、5年生存率等；或者用于预测患者复发或者转移的可能性等等。 在肿瘤领域应用最广泛，其他疾病的临床研究也可应用。 最常用的绘制工具是R语言。 最简便的绘制工具是“易侕软件”。 其他软件有SAS等。 在SEER研究中，Nomogram也是常规的一种套路。使用Nomogram发表SEER文章非常常见，也是一种比较快速的发文方法。

《Journal of Informetrics》在2017年11月刊载了一篇文章《bibliometrix: An R-tool for comprehensive science mapping analysis》，该文章介绍了一款用于文献网络分析的R包bibliometrix，相比其他文献计量的R包（如CITAN、hindexcalculator、scholar scientoText）功能方面要齐全很多，而且能够与R中其他的包相互配合使用。下文主要结合作者发表的该篇论文以及bibliometrix的帮助文档 [1] ，对该包的所有函数进行了分类整理 ，目的是与近期学过的vosviewer和citespace进行大致对比，方便以后的学习。 Bibliometrix的函数种类包含了科学知识图谱绘制的主要流程，即数据导入、格式转化、数据清洗与整理、描述性统计、共现矩阵建立、数据标准化、图谱绘制等。 一、数据导入类函数 二、数据格式转换函数 三、数据整理与清洗 四、描述性统计 五、生成矩阵 六、矩阵标准化 七、生成图谱 bibliometrix在前期数据格式转换、数据整理与清洗、矩阵建立与标准化、描述性统计等方面灵活性很大，只要将分析文献集转换为数据框格式，就可以很方便将文献数据过渡到一般性的数据，从而广泛地利用其他R包，但在图谱的展示上存在很大的不足。 【参考】 [1]

作者:(美)菲尔·斯佩克特 译者:朱钰、柴文义、张颖菲尔·斯佩克特1983年在美国德州农工大学获得统计学博士学位，1987年至今在美国加州大学伯克利分校从事教研工作。现任该校统计系的应用程序管理员，为统计系副教授，主讲统计计算课程。迄今已发表多篇关于统计计算和统计软件的论文，并著有三本书，其中data Manipulation with R已翻译成日文出版。