|
在临床工作中，我们时常会接受患者的“灵魂拷问”，比如 “得了这个病以后会怎样？”，“我这个病有多大可能可以治好？”等等。相信此时许多小伙伴的表情应该是这样的 作为一个一线小医生，在没有丰富的临床经验的情况下，这时候多希望自己能开开天眼，算算病人的预后怎么样。 实际上，研究的先行者们早已经考虑到并构建了方法学来解决这个问题——临床预测模型。 在临床工作中，我们也时常会用到预测模型来评价患者的风险，如经典预测10年心血管事件风险的Framingham risk score和指导房颤患者抗凝的CHA2DS2-VASc评分。 临床预测模型是基于疾病的特征表型建立统计模型，用来预测具有某些特征的人群未来某种结局事件发生的概率。 主要包括疾病诊断预测模型与疾病预后预测模型两种形式。 今天我们就以2019年发表在European Heart Journal (IF=22.673) 的文献为例了解临床预测模型的构建方法[1]。 预测模型构建思路确定研究问题 预测模型的价值在于提供特定临床场景下患者预后的循证依据，因此在设计模型前，应当确定好研究人群，预测因子及研究终点。 为了使模型能普遍应用，预测因子应当容易测量、准确； 为了使模型能更有价值，应当关注临床最关注的结局，如死亡、疾病复发等。 本文研究问题：预测无室性心律失常（VA）病史的致心律失常性右室心肌病（ARVC）患者发生持续室性心律失常的风险，从而指导预防性ICD植入的决策。 预测模型构建思路选择建模方法 预测模型构建的方法主要包括参数化模型，半参数化模型和非参数化模型。 参数化模型和半参数化模型主要是基于传统的回归来实现，可解释性较好，但需要满足回归模型的诸多前提条件；非参数化模型以数据为出发点，包括多种机器学习方法，性能往往较好，但可解释性往往较差。 该研究为预后模型，包含有事件-时间变量，因此作者采用了COX比例风险回归模型作为建模方法。 预测模型构建思路预测因子筛选及预处理 预测因子的筛选目的是在海量的因子中，排除掉预测效能差或者不相关的因子，筛选出强预测因子，作为后续预测模型建立的基础。 同时，还要根据变量的实际情况进行量纲转换。 以单因素回归分析为例，通过将待选预测因子与终点事件逐个进行单因素回归分析，筛选出达到设定阈值（如P=0.10）的因子纳入后续模型构建步骤。 该研究采用了单因素COX回归分析进行预测因子的初筛，作者选择的9个预测因子在单因素分析中全都达到筛选条件（P < 0.05）。 预测模型构建思路构建预测模型 在经过单因素分析筛选出待选预测因子之后，我们就可以开始构建预测模型了。 将待选预测因子放进模型中，根据需要选择下图中的模型检验方法，便可以获得最终的模型，每个变量的权重为其在模型中的系数（β值）。 其他可供选择的模型检验方法还有AIC准则，BIC准则等。 在该研究中，作者基于Akaike’s Information Criterion，采用后退法进行多因素COX回归分析，最终筛选出8个最重要的预测因子建模。 依据该模型构建的5年室性心律失常风险计算公式如下图所示 预测模型构建思路评价预测模型 在构建好模型之后，我们需要对模型的表现进行综合评价，包括模型的区分度，校准度及临床有效性。 具体的评价指标如下图所示：
该研究计算了模型的C-index以反映模型的区分度（C指数0.77 (95% CI 0.73–0.81)），同时采用校准图对模型的校准度进行评价。
作者进一步绘制了DCA曲线评价模型的临床有效性。决策曲线分析法表明，该评分模型相比目前认可的ICD植入算法，有明显的净获益（2.5%-27.5%）
预测模型构建思路验证预测模型 基于训练集构建的模型是否具有良好的外推性尚不清楚，评价模型在验证集的表现显得尤为重要。 因此在模型构建时就应当事先设定好训练人群和验证人群，评价的指标与步骤5相同。 该研究采用的是bootstrap自助抽样法进行内验证。
预测模型构建思路呈现预测模型 在构建好预测模型之后，研究者往往可以通过多种方法进行呈现，如公式法（即本研究所提供的概率计算方程），列表法，列线图（Nomogram图），网页计算器、APP等。 总的来说，临床预测模型就是借用合适的统计模型，通过对现有研究数据的观察，总结出特定临床场景下某终点发生概率的规律性。 借助临床预测模型，医生可以精准地诊断疑难杂症或预测患者的预后，从而为临床决策提供依据。 参考文献[1] Cadrin-Tourigny J, Bosman LP, Nozza A, et al. A new prediction model for ventricular arrhythmias in arrhythmogenic right ventricular cardiomyopathy. Eur Heart J. 2019;40(23):1850-1858. doi:10.1093/eurheartj/ehz103 |
|
|
