预测模型，分为诊断模型、预后模型和疾病发生模型

相信截止目前大家已经阅读过很多临床型文章，可是很多人对其概念可能都不太熟悉，那么这次我们就谈谈其具体概念以及其应用。

概念

• 临床预测模型是指使用参数/半参数/非参数数学模型来评估受试者当前患有某种疾病的概率或将来发生某种结局的可能性。通过该模型，利用已知特征来计算未知结局发生的概率。临床预测模型一般采用各种回归分析方法建模，回归分析的统计本质是寻找一种定量因果关系。

• 简单地说，回归分析是评估变量X对结局Y的影响程度的定量描述。常用的方法有多元线性回归模型、Logistic回归模型和Cox回归模型。预测模型有效性的评估和验证是统计分析、数据建模和研究设计的关键。

分类

根据我们所要研究的临床问题，临床预测模型可分为诊断模型、预后模型和疾病发生模型。

• 从统计学的角度来看，只要临床问题的结局(Y)可以被变量(X)所量化，就可以构建预测模型。

• 横断面研究中常见的诊断模型是侧重于研究对象的临床症状和特征，以及诊断某一疾病的概率。预后模型侧重于研究疾病在特定时间段内复发、死亡、伤残和并发症等结果发生的概率。这种模型在队列研究中也很常见。还有另一种类型的预测模型，根据受试者的一般特征来预测未来是否会发生某种特定的疾病，这在队列研究中也很常见。

• 诊断模型、预后模型和疾病发生模型之间有许多相似之处。他们的结果往往是二分类结局，其效应指标是结局发生的绝对风险，即发生的概率，而不是相对风险的效应指标（相对风险(RR)、优势比(OR)或危险比(HR)）。

• 在模型的构建层面，研究人员将面临所有这些模型的预测因子的选择、建模策略的制定以及模型性能的评估和验证等问题。

文章剩余内容<<<<<