预测模型文章齐活

预测模型是指用多因素模型估算患有某病概率或者将来某结局发生概率，它分为诊断模型和预后模型。

一般来说，诊断模型比较简单，如果你是新手，先尝试发诊断模型的 SCI，注意，预测模型新手适用，强烈推荐

👁关于预测模型，明确一下几个问题：

✅挖数据库也能做预测模型；

✅少样本也可以做预测模型；

✅预测模型操作简单，成本低；

✅选题不受限制；

✅不需要做实验；

✅还容易冲高分 SCI！

预测模型既然适合新手，那，到底怎么做呢？

预测模型，有 4 大切入点

1. 人无我有

指目前还没有人发表你所关心的临床问题的预测模型文章，如果能找到当然非常好！但可能比较困难。

2. 人有我优

指你可以比较别人的模型和自己优化的模型，比如说，别人构建的模型只有 5 个 X，而你却发现某个 X 也重要，这也就产生了一个新的模型。

3. 人有我证

指别人已经发表了文章，你能拿到这个模型，你就可以对模型的应用效果进行评析。

4. 人多我比

指别人已经发表了几篇文章，这时候你也找不到新意了，这样就束手无策了？不！你可以用咱们中国人的数据去跑一遍，最后比较一下各个模型的优劣。

到底每一种怎么做，松哥给大家已经总结好，直接收藏吧👇

当找到好的切入点后，怎么能把预测模型构建好呢？

增光添彩的 3 个因素，要用好！

1. 区分度：反映模型是否靠谱？

区分度是指把患者与非患者区分开的能力，是定性判定。

也就是你建立了模型，还要证明你的模型是可靠可信的。区分度就是用于证明你模型是否能够把发病与未发病的区分开来。采用的指标就是 AUC 和 ROC 曲线。

2. 校准度：反映的是预测准不准？

校准度是评价一个预测模型预测未来某个个体发生结局事件概率准确性的重要指标，是定量判断，反映模型预测风险与实际发生风险的一致程度，也称为一致性。

校准度，有两大评价法：

Logistic：Hosmer-Lemeshow；

Logistic & Cox：Calibration plot。

有的朋友很容易混淆区分度和校准度，我来简单总计一下吧：

区分度：定性，你能预测出来吗？（预测出来你考试过不过）

校准度：定量，你预测出来和实际一样吗？(预测出考了多少分)

3. 临床适用度：反映模型是否有价值？

也就是说，即使模型构建的还不错，但到底有没有临床价值，这是一个判断模型好坏的关键点。

比如说，一个病人，如果是 X 病，手术可延长 6 年寿命，如果不是 X 病，做手术会缩短 3 年寿命，那么某个患者经过模型预测有 40% 可能是 X 病，到底做不做手术呢？

这时候，临床适用度这个指标就起到非常的关键的决策作用，即决策曲线分析 DCA。

当有多条决策曲线时，可以进行决策曲线之间的对比，曲线越高说明收益越大。

本文荟萃自，只做学术交流学习使用，不做为临床指导，本文观点不代表数字日志立场。