模型 |臨床預(yù)測(cè)模型制定檢查表的詳細(xì)說(shuō)明

你的預(yù)測(cè)模型文章報(bào)告標(biāo)準(zhǔn)嗎？

現(xiàn)在我們對(duì)臨床預(yù)測(cè)模型的概念有了基本的了解，那么如何構(gòu)建和驗(yàn)證呢？在本節(jié)中，我們將討論這一方面。

臨床問(wèn)題決定研究類型:

首先要明確具體的臨床問(wèn)題來(lái)確定研究類型的選擇。臨床預(yù)測(cè)模型可以回答疾病的病因、診斷、患者對(duì)治療的反應(yīng)、預(yù)后等問(wèn)題。不同的問(wèn)題需要設(shè)計(jì)不同的研究類型。

例如，在病因?qū)W研究中，隊(duì)列研究可用于根據(jù)潛在原因預(yù)測(cè)疾病的發(fā)生。關(guān)于診斷準(zhǔn)確性的臨床問(wèn)題，適合采用橫斷面研究設(shè)計(jì)，因?yàn)轭A(yù)測(cè)因素和結(jié)果可能同時(shí)發(fā)生，也可能在短時(shí)間內(nèi)發(fā)生。

為了預(yù)測(cè)患者對(duì)治療的反應(yīng)，可以使用隊(duì)列研究或隨機(jī)對(duì)照試驗(yàn)(RCT)。對(duì)于預(yù)測(cè)性的臨床問(wèn)題，隊(duì)列研究的設(shè)計(jì)是適用的，因?yàn)樵陬A(yù)測(cè)因素和結(jié)果之間存在垂直的時(shí)間邏輯關(guān)系。評(píng)價(jià)病因的隊(duì)列研究需要選擇合理的研究對(duì)象，控制混雜因素。

在診斷模型的研究中，需要一個(gè)“金標(biāo)準(zhǔn)”或參考標(biāo)準(zhǔn)來(lái)獨(dú)立診斷疾病，參考標(biāo)準(zhǔn)的診斷要在“盲法”狀態(tài)下進(jìn)行。也就是說(shuō)，參考標(biāo)準(zhǔn)診斷不能依賴預(yù)測(cè)模型中預(yù)測(cè)因子的信息，以避免診斷和評(píng)價(jià)的偏差。

評(píng)估患者對(duì)治療的反應(yīng)是一種干預(yù)研究。要選擇合理的研究對(duì)象，控制非測(cè)試因素的干擾。在預(yù)后模型中，預(yù)測(cè)因子和轉(zhuǎn)歸之間存在垂直關(guān)系，研究者通常期望得到疾病在自然狀態(tài)下的轉(zhuǎn)歸。因此，前瞻性隊(duì)列研究是最常見(jiàn)的預(yù)后模型和最佳類型的研究設(shè)計(jì)。

模型版本的數(shù)量:

首先，我們需要查看文獻(xiàn)，以確定我們想要構(gòu)建的預(yù)測(cè)模型的數(shù)量:

(A)目前沒(méi)有針對(duì)具體臨床問(wèn)題的模型預(yù)測(cè)。為了構(gòu)建一個(gè)新的模型，通常需要一個(gè)訓(xùn)練集來(lái)構(gòu)建模型，還需要一個(gè)驗(yàn)證集來(lái)驗(yàn)證模型的預(yù)測(cè)能力。

(2)目前有模型的預(yù)測(cè)。構(gòu)建新的模型，用一個(gè)驗(yàn)證集構(gòu)建新的模型，用同一個(gè)訓(xùn)練數(shù)據(jù)集分別驗(yàn)證現(xiàn)有模型和新模型的預(yù)測(cè)能力。

(C)為了更新現(xiàn)有的模型，使用相同的驗(yàn)證數(shù)據(jù)集來(lái)評(píng)估這兩個(gè)模型的預(yù)測(cè)能力。

關(guān)于訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集的生成，可以前瞻性地或追溯性地收集數(shù)據(jù)，并且前瞻性地收集的數(shù)據(jù)具有更高的質(zhì)量。對(duì)于建模人群，樣本量應(yīng)該盡可能大。

如果數(shù)據(jù)是回顧性收集的，還應(yīng)評(píng)估數(shù)據(jù)的質(zhì)量，識(shí)別異常值，并適當(dāng)處理缺失值，如填充或刪除。

最后，根據(jù)實(shí)際情況，確定用于建模的訓(xùn)練數(shù)據(jù)集和用于驗(yàn)證的驗(yàn)證數(shù)據(jù)集。出于實(shí)際原因，有時(shí)只能在同一個(gè)數(shù)據(jù)集中建模和驗(yàn)證，這是允許的，但模型的外部適用性會(huì)受到一定影響。

模型的建立和展示:

在建立預(yù)測(cè)模型之前，需要了解以往文獻(xiàn)報(bào)道的預(yù)測(cè)因子，確定選擇預(yù)測(cè)因子的原則和方法，選擇要應(yīng)用的模型類型，如logistic回歸模型或Cox回歸模型。目前，預(yù)測(cè)模型通常有四種形式:

(1)公式。用直接的數(shù)學(xué)公式作為預(yù)測(cè)模型的工具。

(2)諾模圖的諾模圖。通過(guò)適當(dāng)?shù)臄?shù)學(xué)變換，將回歸模型中的回歸系數(shù)轉(zhuǎn)換成分?jǐn)?shù)，繪制成諾謨圖，作為預(yù)測(cè)模型的工具。

(3)網(wǎng)絡(luò)計(jì)算器。其本質(zhì)是通過(guò)適當(dāng)?shù)臄?shù)學(xué)運(yùn)算，將回歸模型中的回歸系數(shù)轉(zhuǎn)化為分?jǐn)?shù)，并制作成網(wǎng)站供在線使用。

(4)評(píng)分系統(tǒng)。通過(guò)適當(dāng)?shù)臄?shù)學(xué)運(yùn)算，將回歸模型的回歸系數(shù)轉(zhuǎn)化為可量化的評(píng)分體系。

臨床預(yù)測(cè)模型的驗(yàn)證:

模型預(yù)測(cè)的效果會(huì)隨著應(yīng)用場(chǎng)景和人的變化而變化。因此，對(duì)模型預(yù)測(cè)的完整研究應(yīng)該包括對(duì)模型的驗(yàn)證。驗(yàn)證的內(nèi)容包括模型的內(nèi)部效度和外部效度。內(nèi)部效度反映的是模型的可重復(fù)性，可以用自己的研究數(shù)據(jù)通過(guò)交叉驗(yàn)證和Bootstrap方法進(jìn)行驗(yàn)證。外部效度反映的是模型的普適性，需要使用非來(lái)自研究本身的數(shù)據(jù)集進(jìn)行驗(yàn)證，并且這些數(shù)據(jù)集在時(shí)間或地理上相互獨(dú)立。

模型的內(nèi)部驗(yàn)證和外部驗(yàn)證是評(píng)估模型穩(wěn)定性和適用性的必要步驟。用于內(nèi)部驗(yàn)證和外部驗(yàn)證的數(shù)據(jù)集應(yīng)該是完全異構(gòu)的，而不僅僅是在某種程度上不同。一般以原機(jī)構(gòu)的數(shù)據(jù)作為訓(xùn)練集建立模型，隨機(jī)選取部分內(nèi)部數(shù)據(jù)進(jìn)行內(nèi)部驗(yàn)證。選擇其他機(jī)構(gòu)的數(shù)據(jù)作為外部驗(yàn)證數(shù)據(jù)集。當(dāng)然，最好是驗(yàn)證外部數(shù)據(jù)集。以下是一些驗(yàn)證內(nèi)部效度的方法。

(1)隨機(jī)分裂法?，F(xiàn)有數(shù)據(jù)隨機(jī)分為兩部分，一部分用于構(gòu)建模型，一部分用于驗(yàn)證模型。這種方法將數(shù)據(jù)分為兩部分進(jìn)行“內(nèi)部驗(yàn)證”。由于只有一部分?jǐn)?shù)據(jù)用于構(gòu)造模型，模型相對(duì)不穩(wěn)定。樣本量小的研究通常不適合這種方法。

(2)交叉驗(yàn)證法。這種方法是隨機(jī)分裂法的進(jìn)一步推廣。常用的有半折交叉驗(yàn)證和十折交叉驗(yàn)證。半折交叉驗(yàn)證法將原始數(shù)據(jù)分為兩部分，一部分用于建立模型，另一部分用于驗(yàn)證模型。然后交換兩部分的數(shù)據(jù)，互相驗(yàn)證。十重交叉驗(yàn)證法將數(shù)據(jù)分為十部分，其中九部分用于建模，另一部分用于模型驗(yàn)證。這樣建立和驗(yàn)證模型十次，就可以建立一個(gè)相對(duì)穩(wěn)定的模型。

(C)自助法。傳統(tǒng)的Bootstrap內(nèi)部有效性驗(yàn)證方法是在原始數(shù)據(jù)集中隨機(jī)選取一定數(shù)量的樣本建立模型，然后用原始數(shù)據(jù)集對(duì)模型進(jìn)行驗(yàn)證。通過(guò)500-1000次的隨機(jī)抽樣、建立和驗(yàn)證，可以得到500-1000個(gè)模型，總結(jié)出模型的參數(shù)分布。因此可以確定模型的最終參數(shù)值。實(shí)踐證明，這種方法得到的模型比前兩種方法更穩(wěn)定?？梢酝茰y(cè)，Bootstrap方法將越來(lái)越多地用于驗(yàn)證模型的內(nèi)部效度分析。當(dāng)然，在條件允許的情況下，要盡量對(duì)外驗(yàn)證預(yù)報(bào)模型，提高模型的對(duì)外適用性。

目前，臨床預(yù)測(cè)模型的研究從臨床醫(yī)生的角度大致可以分為三類:

1.預(yù)測(cè)模型是根據(jù)傳統(tǒng)的臨床特征、病理特征、體檢結(jié)果、實(shí)驗(yàn)室檢查結(jié)果等構(gòu)建的。這種模型中的預(yù)測(cè)變量在臨床上更容易獲得。

2.隨著影像學(xué)研究方法的成熟，越來(lái)越多的學(xué)者認(rèn)識(shí)到影像學(xué)的某些表現(xiàn)或參數(shù)代表了特定的生物學(xué)特征。利用彩色多普勒超聲、CT、MR和PET的大量成像參數(shù)結(jié)合臨床特征構(gòu)建預(yù)測(cè)模型往往可以進(jìn)一步提高預(yù)測(cè)模型的準(zhǔn)確性。這種建模是基于成像數(shù)據(jù)的。這種建模的前期工作要比第一種方法大得多，需要臨床和影像部門的密切配合。

3.隨著基因組學(xué)和蛋白質(zhì)組學(xué)等高通量生物技術(shù)的廣泛應(yīng)用，臨床研究人員正試圖從這些海量的生物信息中尋找一些特征生物標(biāo)志物來(lái)構(gòu)建預(yù)測(cè)性模型。這些對(duì)模型的預(yù)測(cè)是將基礎(chǔ)醫(yī)學(xué)轉(zhuǎn)化為臨床醫(yī)學(xué)的一個(gè)很好的起點(diǎn)。但由于需要對(duì)臨床標(biāo)本進(jìn)行各種組學(xué)試驗(yàn)，這類研究往往需要強(qiáng)大的資金支持。一旦你愿意投入組學(xué)分析的研究，就可以很好的轉(zhuǎn)化為臨床研究，一般都能出高分文章。此外，還必須有生物樣本支持。

從臨床醫(yī)生角度構(gòu)建臨床預(yù)測(cè)模型的必要條件；

1.建立單病種隨訪數(shù)據(jù)庫(kù)，盡可能完整地收集患者信息，包括但不限于:人口學(xué)特征、既往病史、家族史、個(gè)人病史；與疾病有關(guān)的信息，如治療前重要的生理和實(shí)驗(yàn)室檢查結(jié)果、疾病的嚴(yán)重程度、臨床分期、病理分期和組織學(xué)分級(jí)；治療信息:如手術(shù)方法、放化療方案、劑量和強(qiáng)度；患者的預(yù)后:對(duì)于癌癥患者來(lái)說(shuō)，需要持續(xù)的隨訪才能得到結(jié)果，這是一項(xiàng)極其困難和復(fù)雜的工作。