2023年1月,宁夏医科大学在《Asian journal of psychiatry》发表了题为:A predictive model for the risk of cognitive impairment in community middle-aged and older adults(Q1,,IF=13.890)的研究论文。该研究旨在开发和验证社区中老年人认知障碍的预测模型。开发了一个使用年龄、性别、教育、居住、运动、午睡和抑郁的预测模型来帮助衡量中老年人的认知障碍风险。识别认知障碍高风险个体对于治疗和预防策略至关重要。我们旨在开发和验证用于评估认知障碍风险的预测模型。 使用来自中国家庭追踪调查(CFPS)和中国健康养老追踪调查(CHARLS)的数据进行预测模型的开发、内部验证和外部验证。共有14,265名受试者被选中进行模型开发。训练集、内部验证集和外部验证集的曲线下面积 (AUC) 分别为 0.775、0.920 和 0.727。该模型可用于识别45岁及以上认知障碍高风险的中老年人。1. 人群分布:训练集和验证集的总体特征如下表所示2. LASSO 预测因子的选择过程:最终模型中包括七个预测变量:年龄、性别、居住地、教育、运动、午睡和抑郁 3.曲线下面积(AUC):开发、内部验证和外部验证数据的AUC分别为0.775、0.920和0.7274.列线图:列线图表明,年龄对认知障碍的预测贡献最大,其次是教育和抑郁症。开发:2016年中国家庭追踪调查(CFPS)数据库中≥45岁的人内部验证:2014年中国家庭追踪调查(CFPS)数据库中≥45岁的人外部验证: 2018年中国健康与养老追踪调查(CHARLS)数据库中≥45岁的人2.分类变量表示为数字和比例,而连续变量表示为平均值(M)±标准差(SD)3.我们执行了LASSO技术来选择重要的预测因子,并使用曲线下面积(AUC)来评估模型的判别能力。5.根据Logistic回归的结果制定列线图,供实际使用。P值<0.05表示统计学意义。现在公共数据库是发文的利器,预测模型很多时候是多个公共数据库的结合,比如用的比较的是seer数据库,往往很多人与国内数据集结合起来。不过直接利用国内两个数据建库构建预测模型, 并进行验证,还是第一回看到(俺孤落寡闻)。 这是很好的一种论文写作范式。希望对你们有借鉴意义。2022年以来,我们召集了一批富有经验的高校专业队伍,着手举行短期统计课程培训班,包括R语言、meta分析、临床预测模型、真实世界临床研究、问卷与量表分析、医学统计与SPSS、临床试验数据分析、重复测量资料分析、结构方程模型等9门课。如果您有需求,不妨点击查看: 2023年,我们将开展从科研设计、数据分析、统计学报告等医学科研研究方法咨询与服务多项服务,若您有课题经费可以支持,欢迎您提前和我们联系,2022底前采用预付方式与我们开展合作。
|