预测模型选不对，前期功夫都白费！这四类区别快记下来

临床预测模型是根据年龄、性别和生物标志物等多个预测因子的值来估算个体现有疾病或未来结局的风险。

预测模型也称为风险评分、预后指数或预后分数。例如，预测 10 年冠心病风险的弗雷明汉风险评分，以及预测入住重症监护室后死亡率的急性生理评估和慢性健康评估「APACHE」评分。

个人预后或诊断多变量预测模型的透明报告「TRIPOD」声明为作者在开发或验证预测模型时报告关键信息提供了指导。

尽管 TRIPOD 声明强调了模型展示的重要性，但关于如何在开发后实际展示预测模型的信息或实用指导方面却相对较少--例如，在适当的情况下，帮助在临床环境中实施预测模型。

在选择呈现预测模型的格式时，研究人员应仔细考虑预期用户、使用环境和时间。以下问题需要被考虑：谁会以这种格式访问模型，他们会在什么时间、什么场景使用模型？除了完整的模型方程，额外的模式展示方式亦是必要的，以便医护专业人员能够在特定的临床环境中应用模型「例如，当电脑或移动设备的使用受到限制时」。

同样，当非专业人员在家中使用模型时「例如，哮喘患者使用英国哮喘协会的哮喘发作风险模式进行疾病管理」，也可能需为其量身定制格式，以改善共同决策。

为此，BMJ 杂志在 Research Methods & Reporting 板块发表了 Guide to presenting clinical prediction models for use in clinical settings，为临床预测模型的展示提供指南，以指导实践。

本文对四种常见方式进行介绍，并讨论了每种格式的优缺点并举例进行说明。

图片来源：文献截图

表 1. 模式展示形式介绍与优缺点

1. 评分系统

要建立一个计分系统，首先要建立一个预测模型「例如，使用 Logistic 回归或 Cox 回归，然后对所包含的预测因子的回归系数赋予整数分数，分数可以是负数也可以是正数」。

遗憾的是，任何连续预测因子都需要进行分类，因此会牺牲一些预测准确性。分类不需要大小相等，而且通过不等的分类可以更恰当地处理非线性问题。该估计值实质上是一个新的风险预测模型，与完整模型近似「表 2」。

表 2. 原发性胆汁性肝硬化实例的积分系统

左半部分为每个预测因子的类别分配了分数，右半部展示了与总分相对应的结局概率。例如，一个 55 岁「0 分」、肝硬化「3 分」、白蛋白 34.4 g/dL「0 分」和中枢性胆汁淤积「5 分」的患者总分是 8 分，这相当于一年后的死亡概率为 0.46，三年后为 0.90。

这些数字与直接从该患者的完整模型方程中得到的一年和三年死亡风险的等效估计值「分别为 0.44 和 0.89」相似。这些数据表明，简化后的积分系统对该患者的风险预测变化很小。

2. 图形评分表

图形评分表是积分记分系统的高度简化和彩色编码版本。与评分系统类似，图形评分表是一种预测模型的展示格式，其目标用户是医护人员和患者。开发此模型需根据每个相关的预测因子组合所计算出结果的概率与开发数据中该类别中的个人组平均值为基础。

然后可以根据临床上重要的风险类别将概率制成表格并用颜色编码。例如，高风险预测值「接近 1 」可以用红色编码，低风险预测值「接近 0 」可以用黄色编码「图 1 」。

图 1. 新诊断原发性胆汁性肝硬化患者死亡概率的图形评分表「仅限于接受硫唑嘌呤治疗的患者」

3. 列线图

列线图是临床预测模型的另一种图形显示格式「图 2 」。与点数评分系统类似，根据特定个体的预测值分配点数，然后将点数等同于事件风险或存活概率。列线图最适用于用作参考指南，可能在病房或会诊时使用。

对于每个预测因子，通过将预测因子的回归系数乘以数据集中预测因子的最大值和最小值之差，计算所开发模型线性预测因子的最大变化。按照计算出的最大变化对预测因子进行排序。根据所有可能的预测因子组合，计算可能的最低和最高总分、通过拟合预测模型，将总分作为唯一的预测因子，将总分投影到概率标尺上。

图 2. 可计算原发性胆汁性肝硬化新患者一年和三年后死亡预测概率的列线图

4. 网站与手机应用

预测模型越来越多地通过网站计算器或平板电脑或智能手机设备的应用程序提供。这些计算器和应用程序一般都是交互式图形用户界面，可根据用户输入的预测值，从基础预测模型中提供个性化的风险估计值。

网站是通过建站平台或内容管理系统开发的，还需要域名和虚拟主机。目前有多种网站建设平台，包括使统计软件包能够运行网络应用程序的特定工具。

网站需要明确目标用户和目标人群，任何网站或应用程序都应明确说明如何使用该模型。还应提供描述模型开发和后续验证「以及可能的临床影响评估」的手稿参考文献。

应检查网站或应用程序计算器，以确保预测概率与基础回归模型的预测结果一致。对于具有连续预测因子的模型，还应限制输入「开发数据集的」范围之外的值，以避免外推，或至少向用户发出警告。

图 3 介绍了在首次就诊时评估患者的 10 年动脉粥样硬化性心血管疾病的风险的网页评估方式，以确定基线参考点。利用上述信息帮助临床医生与患者讨论风险和降低风险的干预措施。

图 3. ASCVS Plus. 在首次就诊时估算患者的 10 年动脉粥样硬化性心血管疾病风险

网址：「 https://tools.acc.org/ASCVD-Risk-Estimator-Plus/?_ga= 2.38059363.1566824001.1691683819-70222233.1691683819#!/calculate/estimate/ 」

总结：

临床预测模型的展示形式非常重要，但目前在文献中受到的关注相对有限。预测模型的清晰表述是确保其他研究人员能够独立验证模型以及医疗保健专业人员和其他人群能够在医疗保健领域实施应用模型的基础。

展示完整的模型方程也至关重要。向终端用户展示预测模型的方式有很多种，包括评分系统、图形评分表、列线图、网站和移动应用程序等。

最佳展示方式取决于用户和环境，最好通过包括患者在内的利益相关者的参与共同确定。如果展示方式需生成完整模型的简化版本，则还应验证该简化模型的预测性能，并将其与完整模型进行比较。

医生都在用的临床预测模型，你再不学就真的晚了！