临床预测模型开发与验证的统计分析思路及图表概述

doi:10.3969/j.issn.1673-5765.2024.05.004

中国卒中杂志 ›› 2024, Vol. 19 ›› Issue (5): 506-514.DOI: 10.3969/j.issn.1673-5765.2024.05.004

临床预测模型开发与验证的统计分析思路及图表概述

杜柯瑾，谷鸿秋

北京 100070 首都医科大学附属北京天坛医院国家神经系统疾病临床医学研究中心

收稿日期:2024-04-15 出版日期:2024-05-20 发布日期:2024-05-20
通讯作者: 谷鸿秋 guhongqiu@yeah.net
基金资助:
国家自然科学基金项目（72004146）
北京市医院管理中心“青苗”人才计划（QML20210501）
北京市医院管理中心“培育”人才计划（PX2021024）

A Brief Introduction of Statistical Analysis Strategy and Charts for the Development and Validation of Clinical Prediction Models

DU Kejin, GU Hongqiu

China National Clinical Research Center for Neurological Diseases, Beijing Tiantan Hospital, Capital Medical University, Beijing 100070, China

Received:2024-04-15 Online:2024-05-20 Published:2024-05-20
Contact: GU Hongqiu, E-mail: guhongqiu@yeah.net

摘要/Abstract

摘要： 统计图表的呈现对临床预测模型研究质量的提升非常重要。本文将临床预测模型的统计图表归纳为描述基本信息、报告模型信息、评价模型表现以及展现应用模型4个方面，并配以统计图表模板进行简要概述。

关键词: 预测模型; 统计图形; 统计表格

Abstract: The presentation of statistical charts plays a crucial role in improving the quality of clinical prediction model research. This paper categorized statistical charts in clinical prediction models into four aspects: describing basic information, reporting model information, evaluating model performance, and demonstrating model application, accompanied by a brief overview of statistical chart templates.

Key words: Prediction model; Statistical graph; Statistical table

中图分类号:

杜柯瑾, 谷鸿秋. 临床预测模型开发与验证的统计分析思路及图表概述[J]. 中国卒中杂志, 2024, 19(5): 506-514.

DU Kejin, GU Hongqiu. A Brief Introduction of Statistical Analysis Strategy and Charts for the Development and Validation of Clinical Prediction Models[J]. Chinese Journal of Stroke, 2024, 19(5): 506-514.

参考文献

[1] SLIEKER R C，VAN DER HEIJDEN A A W A，SIDDIQUI M K，et al. Performance of prediction models for nephropathy in people with type 2 diabetes：systematic review and external validation study[J/OL]. BMJ，2021，374：n2134[2024-02-15]. https://doi.org/10.1136/bmj. n2134.
[2] D’AGOSTINO R B，Sr，VASAN R S，PENCINA M J，et al. General cardiovascular risk profile for use in primary care：the Framingham heart study[J]. Circulation，2008，117（6）：743-753.
[3] KABORÉ E G，MACDONALD C，KABORÉ A，et al. Risk prediction models for cardiotoxicity of chemotherapy among patients with breast cancer：a systematic review[J/OL]. JAMA Netw Open，2023，6（2）：e230569[2024-02-15]. https://doi.org/10.1001/jamanetworkopen.2023.0569.
[4] SCHNABEL R B，SULLIVAN L M，LEVY D，et al. Development of a risk score for atrial fibrillation（Framingham heart study）：a community-based cohort study[J]. Lancet，2009，373（9665）：739-745.
[5] BELLOU V，BELBASIS L，KONSTANTINIDIS A K，et al. Prognostic models for outcome prediction in patients with chronic obstructive pulmonary disease：systematic review and critical appraisal[J/OL]. BMJ，2019，367：l5358[2024-02-15]. https://doi.org/10.1136/bmj.l5358.
[6] DAMEN J A A G，HOOFT L，SCHUIT E，et al. Prediction models for cardiovascular disease risk in the general population：systematic review[J/OL]. BMJ，2016，353：i2416[2024-02-15]. https://doi.org/10.1136/bmj.i2416.
[7] MALLETT S，ROYSTON P，DUTTON S，et al. Reporting methods in studies developing prognostic models in cancer：a review[J/OL]. BMC Med，2010，8：20[2024-02-15]. https://doi.org/10.1186/1741-7015-8-20.
[8] COLLINS G S，REITSMA J B，ALTMAN D G，et al. Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis（TRIPOD）：the TRIPOD statement[J]. Ann Intern Med，2015，162（1）：55-63.
[9] YANG X L，LI J X，HU D S，et al. Predicting the 10-year risks of atherosclerotic cardiovascular disease in Chinese population：the China-PAR project（prediction for ASCVD risk in China）[J]. Circulation，2016，134（19）：1430-1440.
[10] 谷鸿秋. 临床研究中基线信息的统计分析与统计图表[J]. 中国循证心血管医学杂志，2018，10（8）：910-912.
GU H Q. Statistical methods and statistical charts for baseline information in clinical research[J]. Chinese Journal of Evidence-Bases Cardiovascular Medicine，2018，10（8）：910-912.
[11] 谷鸿秋. 临床研究统计分析思路与统计图表概述[J]. 中国循证心血管医学杂志，2018，10（7）：785-788.
GU H Q. A brief introduction of statistical analysis strategy and statistical charts for clinical research[J]. Chinese Journal of Evidence-Bases Cardiovascular Medicine，2018，10（7）：785-788.
[12] VITTINGHOFF E，GLIDDEN D V，SHIBOSKI S C，et al. Regression methods in biostatistics：linear，logistic，survival，and repeated measures models[M]. 2nd ed. New York：Springer，2012.
[13] RIDKER P M，BURING J E，RIFAI N，et al. Development and validation of improved algorithms for the assessment of global cardiovascular risk in women：the Reynolds risk score[J]. JAMA，2007，297（6）：611-619.
[14] HARRELL F E，Jr. Regression modeling strategies with applications to linear models，logistic regression，and survival analysis[M]. New York：Springer，2001.
[15] NAGELKERKE N J D. A note on a general definition of the coefficient of determination[J]. Biometrika，1991，78（3）：691-692.
[16] GERDS T A，CAI T X，SCHUMACHER M. The performance of risk prediction models[J]. Biom J，2008，50（4）：457-479.
[17] KELDER J C，CRAMER M J，VAN WIJNGAARDEN J，et al. The diagnostic value of physical examination and additional testing in primary care patients with suspected heart failure[J]. Circulation，2011，124（25）：2865-2873.
[18] GERDS T A，SCHUMACHER M. Consistent estimation of the expected Brier score in general survival models with right-censored event times[J]. Biom J，2006，48（6）：1029-1040.
[19] AUSTIN P C，PENCINCA M J，STEYERBERG E W. Predictive accuracy of novel risk factors and markers：a simulation study of the sensitivity of different performance measures for the Cox proportional hazards regression model[J]. Stat Methods Med Res，2017，26（3）：1053-1077.
[20] GÖNEN M，HELLER G. Concordance probability and discriminatory power in proportional hazards regression[J]. Biometrika，2005，92（4）：965-970.
[21] PANTOJA-GALICIA N，OKEREKE O I，BLACKER D，et al. Concordance measures and time-dependent ROC methods[J]. Biostat Epidemiol，2021，5（2）：232-249.
[22] YATES J F. External correspondence：decomposition of the mean probability score[J]. Organizational Behavior and Human Performance，1982，30（1）：132-156.
[23] STEYERBERG E W，VICKERS A J，COOK N R，et al. Assessing the performance of prediction models：a framework for some traditional and novel measures[J]. Epidemiology，2010，21（1）：128-138.
[24] PENCINA M J，D’AGOSTINO R B，Sr，D’AGOSTINO R B，Jr，et al. Evaluating the added predictive ability of a new marker：from area under the ROC curve to reclassification and beyond[J]. Stat Med，2008，27（2）：157-172，207-212.
[25] VICKERS A J，ELKIN E B. Decision curve analysis：a novel method for evaluating prediction models[J]. Med Decis Making，2006，26（6）：565-574.
[26] PAUKER S G，KASSIRER J P. The threshold approach to clinical decision making[J]. N Engl J Med，1980，302（20）：1109-1117.
[27] GARG P，SUDOL-SZOPINSKA I，KOLODZIEJCZAK M，et al. New objective scoring system to clinically assess fecal incontinence[J]. World J Gastroenterol，2023，29（29）：4593-4603.
[28] BONNETT L J，SNELL K I E，COLLINS G S，et al. Guide to presenting clinical prediction models for use in clinical settings[J/OL]. BMJ，2019，365：l737[2024-02-15]. https://doi.org/10.1136/bmj.l737.
[29] 陶立元，张华，赵一鸣. 列线图的制作要点及其应用[J]. 中华儿科杂志，2017，55（5）：323.
TAO L Y，ZHANG H，ZHAO Y M. Key points of making column charts and their applications[J]. Chin J Pediatrics，2017，55（5）：323.
[30] LI X D，LI M M. A novel nomogram to predict mortality in patients with stroke：a survival analysis based on the MIMIC-Ⅲ clinical database[J/OL]. BMC Med Inform Decis Mak，2022，22（1）：92[2024-02-15]. https://doi.org/10.1186/s12911-022-01836-3.

临床预测模型开发与验证的统计分析思路及图表概述

A Brief Introduction of Statistical Analysis Strategy and Charts for the Development and Validation of Clinical Prediction Models

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	谷鸿秋. 临床预测模型的困境与机遇[J]. 中国卒中杂志, 2024, 19(5): 481-487.
[2]	姜英玉, 谷鸿秋. 临床预测模型开发与验证的样本量估算[J]. 中国卒中杂志, 2024, 19(5): 489-495.
[3]	杨凯璇, 谷鸿秋. 临床预测模型常用统计模型及其SAS实现[J]. 中国卒中杂志, 2024, 19(5): 496-505.
[4]	金奥铭, 谷鸿秋. 临床预测模型的展现形式[J]. 中国卒中杂志, 2024, 19(5): 515-519.
[5]	陈麒百, 曾吟. 临床预测模型在医保付费中的应用前景探索[J]. 中国卒中杂志, 2024, 19(5): 520-523.
[6]	伊珞, 姜英玉, 孟霞, 姜勇, 王拥军, 谷鸿秋. 轻型急性缺血性卒中患者院内神经功能恶化预测模型的开发与验证研究[J]. 中国卒中杂志, 2024, 19(5): 524-531.
[7]	李晨红, 姜晨黎, 王金慧, 黄晟. 脑出血患者微创颅内血肿清除术后肺部感染的影响因素分析及预测模型构建[J]. 中国卒中杂志, 2024, 19(5): 532-538.
[8]	杨嘉欣, 何春渝, 刘蕾, 陈文博, 谢艳. 急性缺血性卒中静脉溶栓后症状性颅内出血预测模型的系统评价[J]. 中国卒中杂志, 2024, 19(1): 76-86.
[9]	陈思玎, 姜英玉, 王春娟, 杨昕, 李子孝, 姜勇, 王拥军, 谷鸿秋. 缺血性卒中患者院内复发风险预测模型开发与验证研究[J]. 中国卒中杂志, 2023, 18(12): 1397-1404.
[10]	谷鸿秋, 杨凯璇, 姜英玉, 杜柯瑾, 饶蓁蓁, 杨昕, 王春娟, 熊云云, 荆京, 李子孝. 缺血性卒中患者卒中复发风险预测模型研究进展及展望 [J]. 中国卒中杂志, 2023, 18(07): 731-739.
[11]	王昊玥, 王俊峰. 临床预测模型研究中的常见误区[J]. 中国卒中杂志, 2023, 18(07): 758-769.
[12]	梁宝生, 周江杰, 王胜锋. 基于贝叶斯加性回归树的个体化治疗效应估计方法及应用[J]. 中国卒中杂志, 2023, 18(07): 770-779.
[13]	陈慧, 陈思玎, 朱之恺, 俞蔚然, 姜勇, 王拥军. 急性缺血性卒中患者行阿替普酶静脉溶栓治疗住院期间脑出血预测模型研究[J]. 中国卒中杂志, 2023, 18(05): 547-555.
[14]	张兰, 沈晓芳, 金瑾, 徐吉, 张静. 无基础代谢性疾病急性缺血性卒中患者短期营养不良预测模型构建与验证[J]. 中国卒中杂志, 2023, 18(04): 428-433.
[15]	杨佳蕾, 陈思玎, 孟霞, 姜勇, 王拥军. 基于机器学习预测血糖异常急性缺血性卒中患者预后模型研究[J]. 中国卒中杂志, 2022, 17(07): 730-736.