绝对是热点！临床预测模型！一文看懂诊断模型、预后模型和疾病发生模型~

相信大家已经阅读过很多临床型文章，但是还有人对其不太熟悉，那么今天小编就谈谈临床预测模型。

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。

临床预测模型的常见分类有哪些？

根据需要研究的临床问题，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。

诊断模型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。这种模型在研究中非常常见。

疾病发生模型是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，这在临床数据研究中也很常见。

而诊断模型、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。

模型的构建时，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。

那么借助临床预测模型，可以干什么？

1.      可以更准确地选择合适的研究对象，患者可以做出对自己更有利的选择。

2.      医生治疗可以做出更好的临床决策。

3.      卫生管理部门可以更好地监控和管理医疗服务质量，更合理地配置医疗资源。

构建临床预测模型的意义又在哪里？

1.      我们都知道对于恶性肿瘤，TNM分期系统是最具代表性的预测模型。TNM的最大优势在于它简单快捷，但最大的问题是预测不够准确，这与临床医生的期望值相差甚远。临床实践中，对预测工具的使用需求远远不局限于预测疾病的发生或预测患者的预后这两方面。

2.      如果能提前预测病人的病情，比如肝癌病人，如果我们能提前预测其是否有微血管浸润，这可能有助于外科医生在标准切除和扩大切除这两个完全不同的切除方式之间作出选择。

3.      在临床实践中发现，根据术前影像学检查判断的淋巴结状态不够准确，具有较高的假阳性或假阴性。在放疗和化疗之前，是否有可能根据已知的特征准确预测患者的淋巴结状态？这些临床问题都可以通过构建合适的预测模型来解决。

看到这你就理解了临床预测模型的重要性，但是具体要咋样构建呢？就请关注我们下期软文《带你玩转临床预测模型构建的那点事》。有对生物信息学分析和构建临床预测模型感兴趣的同学，可以“V新”关注我们的“云生信学生物信息学”，在这里我们为大家提供了更多的学习内容带你玩转临床预测模型。