正文

临床预测模型类论文是个坑（临床预测模型文章）

发布时间：2023-04-14 06:51:47 稿源：创意岭阅读： 81

大家好！今天让创意岭的小编来大家介绍下关于临床预测模型类论文是个坑的问题，以下是小编对此问题的归纳整理，让我们一起来看看吧。

开始之前先推荐一个非常厉害的Ai人工智能工具，一键生成原创文章、方案、文案、工作计划、工作报告、论文、代码、作文、做题和对话答疑等等

只需要输入关键词，就能返回你想要的内容，越精准，写出的就越详细，有微信小程序端、在线网页版、PC客户端

官网：https://ai.de1919.com。

创意岭作为行业内优秀的企业，服务客户遍布全球各地，如需了解SEO相关业务请拨打电话175-8598-2043，或添加微信：1454722008

本文目录:

1、文献阅读-nomogram文章（五）
2、最常用的临床推理模型是
3、研究生做模型预测控制有前途吗
4、如何预测胰瘘---新的危险评分模型

临床预测模型类论文是个坑（临床预测模型文章）

一、文献阅读-nomogram文章（五）

题目：《Factors Affecting Sentinel Node Metastasis in Thin (T1) Cutaneous Melanomas: Development and External Validation of a Predictive Nomogram》

28分JCO ；logistic回归模型；终点为T1期皮肤黑色素瘤是否发生前哨淋巴结转移。

ref：临床预测模型（Nomogram）第11篇（IF=28分）：T1期皮肤黑色素瘤前哨淋巴结转移预测

分别比较：(1)训练集和验证集里行SNB患者的基线特征；(2)训练集和验证集里未行SNB患者的基线特征；(3)训练集里行SNB的患者中，SNB阳性和SNB阴性患者基线特征的比较；(4)训练集里行SNB的患者中，SNB阳性和SNB阴性患者基线特征的比较。

统计方法的选择：对于年龄、肿瘤厚度等连续性变量，采用wilcoxon秩和或Mann-Whitney U秩和检验；对于性别、是否形成溃疡等分类变量，用Fisher精确检验。

行单因素logistic回归，分析自变量和SNB阳性的相关性，筛选出9个有统计意义的变量。

用随机森林筛选，计算p值和调整后p值(FDR)，筛选出6个变量，纳入多因素logistic模型，6个变量都有统计学显著性。

用6个变量构建nomogram，如下图所示：

分别在训练集和测试集中验证校准度，画出calibration plot，得到结果为： mean predicted probabilities close to observed probabilities 。随后进行Hosmer-Lemeshow test，得到p值0.8，不拒绝H0：predicted and observed probabilities无差异。作者这里描述的是：HL test的结果支持了calibration plot的结果。

分别在训练集和测试集验证区分度，计算模型的c-index以及每一个单变量拟合的模型的c-index(针对二分类logoistic回归的C-index等价于ROC曲线下面积（AUC、c-Statistics）)。

先看结果：

1.未考虑基因因素。

2.对缺失值的处理是直接剔除。

1.Nomogram区分度和校准度的验证一定要在训练集和测试集里都进行。

2.写文章时，可以把把单因素分析显著性的变量列出来，这个时候不急于把显著性的变量纳入nomogram，而是进行逐步筛选、最优子集、随机森林等方法进行再次筛选。

3.在校准度验证方面，可以写：HL test的结果支持了calibration plot的结果。

二、最常用的临床推理模型是

最常用的临床推理模型是诊断模型和预后模型。根据查询相关信息显示，诊断模型和预后模型是目前应用最广泛的临床预测模型，但是在临床科研中很容易将其弄混，无从下手。

三、研究生做模型预测控制有前途吗

如果你做模型，能够做得非常好的话，那么肯定是很有前途的，毕竟这个东西还算是比较冷门的。

四、如何预测胰瘘---新的危险评分模型

可以看出本文的主要目的是建立胰十二指肠切除术后胰瘘的危险评分模型，用于提前预测哪些患者可能出现胰瘘。alternative一词提示目前已有胰瘘的文献评分模型，本文旨在提出一种新的模型，可能较现有的模型预测更准确。副标题external validation，提示有建模以外的数据对模型进行验证，更进一步加强了模型的可靠性。

本研究属于诊断性临床研究，提出的诊断指标是危险评分模型，诊断疾病是PD术后的胰瘘，往往提出新的诊断指标需要和金标准比较，比较诊断性试验的指标：特异性、敏感性、ROC曲线，诊断正确率。另外危险评分模型构建，常规操作方法是，选取可能与胰瘘有关的相关因素，比如胰管粗细、病理类型等等，然后先进行单因素回归分析（logistics或cox），进一步筛选出相关因素，最后行多因素分析，可以筛选出独立相关因素；最终筛选出来的因素如何组建成一个评分公式呢？

阅读时需要注意的问题：

分为两个阶段：模型建立和模型验证。

在模型验证阶段，数据来自：意大利的verona大学和美国的宾夕法尼亚大学，共926例。

table 1：所有入组数据的基线特征。验证组中，按2016版标准POPF发生率17%，而按2005版标准POPF发生率24%，提示2016版标准更严格，排除了以前不应该诊断胰瘘的病例。

table 2：模型建立的参数列表，包括OR，CI，单因素、多因素。

figure 1：外部验证的ROC曲线，尤其比较了新模型与老模型的AUC。证明新模型是不劣于orinigal。

figure 2：没看懂！！

figure 3：危险评分分组，按公式计算概率<5%为低危、5%-20%为中危、>20%为高危。比较三组中实际POPF发生率是否不同。

1. 新的预测模型所用参数少：质地、BMI和胰管直径，去除了既往的术中出血量、胰腺病理等因素。

2. 新的模型除了在产生模型的组别，还有外部数据对其进行验证。

3. 新的模型，不管是以2005的胰瘘诊断标准还是2016的胰瘘诊断标准，都可以准确预测。

4. 指导临床实践，评估为低危的患者，可以不放引流、不用生长抑素。

1. 胰管宽度测量问题，是在CT上测量还是在术中测量呢？

2. 模型建立时，只有2005年标准，但是在结果验证期间，2005和2016标准都实用。

3. 本研究是观察性研究，不可避免的混杂因素。

tips：为了发表文章的质量和规范性，目前有专门的发表论文格式要求，针对不同的临床研究设计，有不同要求。具体内容可以查阅： equator network，Enhancing the QUAlity and Transparency Of health Research 。关于多因素诊断模型预测类文章，需要遵循论文格式要求写作见： Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis (TRIPOD): The TRIPOD statement 。

以上就是关于临床预测模型类论文是个坑相关问题的回答。希望能帮到你，如有更多相关问题，您也可以联系我们的客服进行咨询，客服也会为您讲解更多精彩的知识和内容。