Logistic回归分析是流行病学研究中经常用到的统计方法，对相关预测指标的规律、关联性进行挖掘、提炼、整合，构建多变量的临床预测模型，最终根据此模型有目的地评价患者的疾病发生风险或预后情况，从而为预防疾病或提高预后进行有针对性的临床决策[1]。最优模型的建立决定了临床预测的准确性，对于指导临床工作具有重要意义。
临床预测模型建立的步骤可以分为模型构建——模型评价——模型验证。模型构建涉及到变量的筛选、预测框架的初步建立；模型评价用于观察模型与本次数据的拟合情况；模型验证是将构建好的模型外推至临床工作中，以检验该模型是否能很好地解决临床问题。三项步骤并非单向不可逆推进，当模型评价不合格或模型验证不合格时均需要回到模型构建步骤，调整模型自变量，从而逐步建立最优临床预测模型。
（1）模型构建中变量筛选最常见的方法是单因素分析，先广泛纳入临床变量进行初步检验，将单因素分析结果显示有意义的变量再纳入多因素分析模型中，从而剔除混杂因素，寻找出真正影响因变量的因素。但当变量数目过多、变量间存在共线性或者纳入了存在较多缺失值的样本时，单因素分析的结果就存在局限性。这种情况下就需要进行自变量的筛选，保留更为重要的变量，删除次要或可替代变量，从而减少变量之间的重复。自变量筛选可以借助岭回归、随机森林模型等方法。岭回归是对最小二乘回归的一种补充，通过使损失函数最小化来来换取高的数值稳定性，提高计算精度；随机森林模型是树模型的扩展，可产生高准确度的分类，在决定类别时评估变数的重要性，并且样本中存在资料遗失时仍可以维持较高的准确度，适用于存在缺失值的样本[2]。
（2）模型评价中涉及多种指标拟合情况的评价，消除模型中欠拟合情况，可以用到卡方拟合优度检验、ROC等方法。卡方拟合优度检验是一种非参数检验方法，只针对于类别数据，用于研究实际比例情况是否与预期比例一致；ROC涉及曲线下面积、灵敏度、特异度、准确率等参数，是预测模型鉴别能力的评价方法，其根据不同阈值将研究对象分为阳性与阴性两类，将预测灵敏度与特异度以图示方法结合在一起，可准确反映模型预测价值。
（3）模型检验可展示模型的过拟合情况，也就是结果的外推性是否良好。模型检验的结果体现了该预测模型在临床工作中的指导价值，若在此阶段发现模型存在过拟合状况，也就是说所构建的模型可以很好地预测本次样本，但无法预测新的样本，这就需要返回模型构建阶段重新拟合。模型检验可分为内部检验和外部检验，内部检验的目的是检验模型开发过程的可重复性，方法包括随机拆分验证、交叉验证、Bootstrap重抽样等；外部检验考察的是模型的可移植性和可泛化性，常见形式有时段验证、空间验证以及领域验证[3]。
临床预测模型的本意是借助少量的、易收集的、检测成本低廉的预测因子来预测疾病的状态和预后[4]，实际情况下在进行临床预测模型构建时，作者通常仅采用单因素、多因素分析，过少的样本量、不同变量的处理方式、缺失值样本往往都会影响模型的准确性，通过对模型构建、模型评价、模型验证各个环节检验结果进行把控，逐渐剔除干扰因素，提高拟合程度，有利于该预测模型在临床的适用，更好地指导临床结局的预测。
参考文献
[1]贾玉龙,周洁,陈颖,等.临床预测模型的综合评价体系研究[J].中国卫生统计,,36(5):-,.[2]夏静.基于有限数据的临床预测模型研究[D].杭州:浙江大学,.[3]王俊峰,章仲恒,周支瑞,等.临床预测模型:模型的验证[J].中国循证心血管医学杂志,,11(2):-.[4]谷鸿秋,周支瑞,章仲恒,等.临床预测模型:基本概念、应用场景及研究思路[J].中国循证心血管医学杂志,,10(12):-,.整理编辑：林松叶 审校：郑淑
推荐阅读
科研助手
认知障碍相关量表总结
参考文献出处项中的数字著录易错项解析
优文荐读
Nrf2/ARE信号通路激活对偏头痛大鼠神经源性炎症的影响
以突发性耳聋伴眩晕为首发症状的脑栓塞1例并文献复习《临床医学研究与实践》
-第二届编委会成员名单-
点击查看
长按下方