生活，有时候就需要些技巧~
使用nomogram绘制列线图时，有个参数fun，输入计算特定时间点的生存函数，如果是多个时间点的话，则使用列表形式：
If more than one transformation is plotted, put them in a list, e.g.
list(function(x)x/2,function(x)2*x).
如计算
surv = Survival(fit) # 生存函数
surv1 = function(x) surv(1*365, lp=x) # 1年生存
surv2 = function(x) surv(3*365, lp=x) # 3年生存
surv3 = function(x) surv(5*365, lp=x) # 5年生存
对应的参数 funlabel 用于设置显示，此时就是：
nomogram(fit, fun = list(surv1, surv2, surv3),
funlabel = c("1-year Survival Probability",
"3-year Survival Probability",
"5-year Survival Probability"),...)
没任何问题，除了...我觉得代码有些高度重复。因为，真正需要改变的仅仅是时间点的值而已，故可以将其作为lapply()的参数，返回列表即可！
对此，funlabel 比较容易：
times = c(1,3,5)
labels = lapply(times, function(time) paste0(time, "-year Survival Probability"))
难点在于参数 fun，因为其输入是函数对象或函数对象构成的列表：
class(surv1)
[1] "function"
所以需要把paste0返回的字符串转换为 function 对象，可以使用eval搭配parse函数：
func = lapply(times, function(time) eval(parse(text = paste0("function(x) surv(", time, "*365, x)"))))
综上，nomogram命令改成如下即可：
nomogram(fit, fun = funcs, funlabel = labels,...)
当然，这么做的好处并不仅仅在于装B，而是：
1、设置多个时间点时，可以极大地避免代码冗余
2、可以更方便的设置时间点。如果设置的时间点超出了最长生存时间，就会报错：
Error in approx(fu[s], xseq[s], fat, ties = mean) :
need at least two non-NA values to interpolate
此时，就不需要在代码中寻找并更改N次时间值，只需要修改上示times变量即可！
3、进一步地，lapply的方式有利于根据输入的生存时间，自行判断时间值的取值范围并作出调整，避免在程序执行中报错！
R系列·往期精彩
R技巧 | 如果一句命令就能解决，为什么还要三句？
R语言 | 如果你再问我怎么安装R包
数据挖掘 | 快速实现生存分析森林图
