本文內(nèi)容整理自醫(yī)咖會《基于臨床數(shù)據(jù)構(gòu)建預測模型》專欄，小咖針對其中關(guān)于預測模型的應用場景相關(guān)內(nèi)容進行了整理，可點擊左下角“閱讀原文”查看完整視頻。

進行研究時，首先要清楚數(shù)據(jù)的屬性。數(shù)據(jù)通常分為兩個大類，其一為比較傳統(tǒng)的循證醫(yī)學。一般是根據(jù)特定的、已有的臨床問題前瞻性地收集數(shù)據(jù)，然后根據(jù)數(shù)據(jù)劃分研究類型。

其二則為真實世界數(shù)據(jù)，這一類數(shù)據(jù)更多的由設(shè)計和數(shù)據(jù)雙驅(qū)動，如醫(yī)保、電子病歷等。這些數(shù)據(jù)并不是研究者有目的的收集的。就像國內(nèi)外基于真實世界共識的不斷發(fā)布，越來越多的關(guān)聯(lián)性/預測性研究，都是在真實世界的框架下開展的。

不管是哪一類數(shù)據(jù)，通常會把研究歸為兩個范式，關(guān)聯(lián)性研究和預測模型研究。預測模型研究可以應用于多個場景：

應用場景

疾病的發(fā)生：可以在疾病發(fā)生前收集變量，去預測疾病的發(fā)生風險，比如弗雷明漢風險評分，可以預測個體十年后發(fā)生心血管疾病的風險；

疾病的診斷：某些疾病的診斷是很困難的，沒有金標準，就可以考慮診斷模型，比如使用生物標志物、影像等輔助診斷；

疾病的治療：可以使用模型提前預測患者使用某種治療手段的反應；

疾病的預后。

臨床預測模型是通過算法支持臨床決策的，通常是分為診斷模型和預后模型。前者預測因子和結(jié)局數(shù)據(jù)通常是同一時間節(jié)點收集的，而后者則在收集預測因子后，通過一段時間內(nèi)的不斷隨訪來看個體是否會出現(xiàn)關(guān)注的結(jié)局。

圖.診斷模型（上圖）和預后模型（下）

上文內(nèi)容摘自醫(yī)咖會專欄課程《基于臨床數(shù)據(jù)構(gòu)建預測模型》，請點擊左下方的“閱讀原文”，觀看完整視頻內(nèi)容。

研究設(shè)計、統(tǒng)計分析、論文投稿難題，快聯(lián)系小咖（微信：xys2019ykh）