临床预测模型:新预测因子的预测增量值
2020-09-17 文玲子, 王九谊 统技思维
【摘要】新的生物标志物的发现和开发一直以来都是充满前景的领域,这些研究为预测模型提了新的预测因子,可以极大改善对疾病风险的预测。为了对新的预测因子的临床效用得到有意义的结论,必须采取适当的统计方法。本
预测因子是临床预测模型的基础组成部分,探索新的预测因子有助于改善诊断和预后模型的预测准确度,提高个体化治疗水平。随着技术的进步和基础研究的发展,大量新指标,包括基因组学、蛋白质组学和影像学技术指标被发现和提出[1]。然而,新的预测因子在提升预测模型准确性的同时,也增加了测量成本和对患者可能进行的侵入性操作。因此,当评价新的预测因子的预测能力时,尤其是对于测量成本较昂贵的指标,不应只针对该预测因子自身进行评估,而应根据已建立的基于易于获得的预测因子的临床预测模型,来评估新预测因子的预测增量值(incremental value)[2]。因此,对于新预测因子的预测增量值的研究,也被认为是不同于模型开发和模型验证类研究的一种新的临床预测模型的研究类别[2,3]。作为临床预测模型系列文章的第四篇,本文将介绍在原有预测模型基础上评估新预测因子的预测增量值的方法,并讨论这些方法的优势和局限性,以供读者在方法选择和使用上作参考。 1. 评价新预测因子表现的统计指标 随着对新的生物标记物的研究的广泛开展,用于评估其预测增量表现的方法学也在迅速发展和不断完善。我们在表1中总结整理了一些传统的
作者:文玲子, 王九谊
版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
学习
67
为啥还要积分
105
😁 😁 😁 😁
112
学习了
119
讲的非常好
111