我的医学预测模型评价步骤（仅供参考）-Toy模板网

这篇具有很好参考价值的文章主要介绍了我的医学预测模型评价步骤（仅供参考）。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

我的医学预测模型的评价步骤

个人意见，仅供参考

一切变化都是源于决策曲线分析，据说决策曲线分析已经获得了预测模型界的认可，也已经被写进了预测模型的报告指南–TRIPOD 中。一篇在pubmed上发表的关于如何使用决策曲线分析的指导论文，给出了使用决策曲线分析的几点推荐：1.
确定临床使用场景，也就是预测模型后续的临床操作，比如活检还是其它的诊断或治疗措施；2.确定一个决策阈值范围而不是单一的决策阈值；3.使用DCA分析后解释净收益的含义等等（有的与本文无关未罗列）。
决策曲线分析带来的最明显的一个变化就是给预测模型的使用确定了一个阈值范围，高于该阈值范围的患者一定要接受后续的诊断或者治疗措施，低于该阈值范围的患者就一定拒绝后续的诊断或者治疗措施，而在阈值范围之内的患者需要一个个性化的阈值来决定是否进行后续的诊断或者治疗措施。大部分（？）患者应该落在阈值范围之内，是最能体现模型优劣的部分，对阈值范围内的数据的区分程度和校准程度的评价也就可以用来区分模型的优劣，这或许是局部评价指标存在的理由。如果想要计算精确度等指标时，数据要局限在阈值范围之内，才能与局部指标相匹配。

step1. 确定预测模型的临床使用场景。

目前，医学预测模型构建的目的是预测某种疾病的预后，比如死亡、复发和肿瘤转移，或者诊断某种疾病的状态，比如是否患病，疾病的分期等等，除此之外我们需要明确，在上述构建的模型得出阳性结果后，我们采取的诊断和治疗的措施是什么，这就是所谓的“临床使用场景”。这样做的好处是：1. 为了绘制临床决策曲线，明确cost-benefit 比值，进而确定模型使用的阈值范围；2.使后续的预测模型研究更加有针对性；3.使模型最终进入临床时更加有明确的使用场景，避免误用。