中医药个体预后与诊断预测模型研究报告规范——TRIPOD-TCM清单

目的研制中医药个体预后与诊断预测模型研究报告规范(TRIPOD-TCM),为中医药临床预测模型研究者提供报告规范和建议。方法对个体预后与诊断预测模型研究报告规范(TRIPOD)中的条目逐一解读,结合中医药研究特点,初步提出TRIPOD-TCM基本框架和相关条目;采用德尔菲法对专家进行两轮调研,每轮调研后,对专家意见进行整合并修订TRIPOD-TCM,形成最终TRIPOD-TCM清单。结果对TRIPOD清单中14项条目应用于中医药领域时进行修订(包括条目1、2、3a、3b、4b、5b、5c、6a、10a、13b、13c、18、19b、20),对17项条目进行语言和举例的表述修订,6项条目维持原状。最终TRIPOD-TCM清单共包含6个方面22项条目的37项子条目。结论初步研制的TRIPOD-TCM可用于支持研究者撰写出详细透明的中医药个体预后与诊断预测模型报告,提高中医药个体诊断与预后预测模型研究的报告规范。

人工智能技术在肺结节预测模型中的应用研究进展

肺结节临床常见,少数部分肺结节有可能进一步进展成为癌前病变甚至是肺癌,准确、及时地识别潜在的肺部癌症结节可有效地提高肺癌术后生存率,提高我国人均预期寿命。传统的肺部胸片和肺部的低剂量螺旋CT及早发现肺部恶性病变结节的能力较为有限,甚至有可能会延误或误判病情。人工智能(AI)对提高肺结节早期筛查准确率有重要的应用价值,在未来是一个较有价值的医疗辅助工具,在及早发现潜在肺癌患者方面具有重要的意义。本文旨在探讨基于AI技术在肺结节良恶性预测、病理结果推断、术后患者预后预测等领域的研究现状,对AI技术在肺结节影像诊断的应用的限制进行了讨论,提出“多模态”与AI相结合的方式可能会提高当前肺结节影像筛查的准确性,能辅助临床医师和影像医生更加准确地对病情及影像结果做出准确的临床诊断。

儿童甲型流行性感冒并发危重症肺炎的个体化诊断预测模型构建及危险因素分析

目的采用机器学习技术构建儿童甲型流行性感冒并发危重症肺炎的个体化预测模型,充分挖掘高危因素,以及早开展精准预防治疗措施改善预后。方法收集儿童甲型流行性感冒肺炎患儿的临床数据;采用机器学习XGBoost算法,分别基于临床全指标和临床常用指标构建2套诊断预测模型,对比2个模型的诊断价值及相应用于预测指标的重要性排名。结果全指标预测模型的准确度、模型诊断结果与观察结果一致性判断指标Kappa值、ROC曲线下面积(area under curve,AUC)、敏感度、阳性预测值、阴性预测值均优于临床常用指标预测模型。基于全指标的诊断预测模型的主要预测指标按重要性排名为呼吸衰竭、咳喘程度(重度喘息)、总B细胞、单核细胞、发热时间(>15 d)、辅助T细胞(CD4);基于临床常用指标的诊断预测模型的主要预测指标按重要性排名为呼吸衰竭、胸部X线片(肺炎)、混合菌或病毒。全指标预测模型的各指标增益值(横坐标)明显优于临床常用指标预测模型的指标。结论基于儿童甲型流行性感冒并发肺炎患儿的临床资料,采用机器学习技术,以儿童甲型流行性感冒并发危重症肺炎为变量,以临床基础资料和生化、免疫、影像等全指标作为预测因子,构建的个体化诊断预测模型的诊断价值较高,在预测个体并发危重症肺炎概率的同时,针对性挖掘个体高危因素,从而早预防治疗儿童甲型流行性感冒并发危重症肺炎,改善预后。

个体预后或诊断预测模型系统综述和Meta分析报告规范(TRIPOD‑SRMA)案例解读

The BMJ在2023年5月发表《个体预后与诊断多变量预测模型系统综述和Meta分析透明报告清单》及详细说明,目的是辅助研究者完整、透明和准确报告,以提高研究报告质量。本文对12个摘要报告规范条目及26个系统综述报告规范条目进行介绍和解读,以期为研究人员规范报告此类研究提供借鉴和参考。

基于多源数据的个体预后或诊断多因素预测模型报告规范(TRIPOD-Cluster)解读

近年来,有关预测模型的临床研究迅猛增加,用于预测模型的数据来源也日益丰富。越来越多的研究采用多中心、不同地区或国家、不同研究的多源数据集构建与验证预测模型。为了适应这些新的研究场景,基于多源数据的个体预后或诊断多因素预测模型报告规范(TRIPOD-Cluster)于2023年发布,其旨在加强全球研究者的规范报告,以促进更具普适性的临床预测模型构建与验证。本文从TRIPOD-Cluster制定过程、清单内容、适用场景、优势、常用建模方法等方面进行解读与讨论,以促进国内学者利用多源数据建立与验证多因素预测模型,提高这类研究报告的规范性。

临床预测模型:基本概念、应用场景及研究思路

临床预测模型是指利用数学公式估计特定个体当前患有某病或将来发生某结局的概率。依据所研究的问题,临床预测模型可分为诊断模型和预后模型。临床预测模型广泛应用于医疗决策、医疗质量管理及医疗资源的配置。临床预测模型类研究包含了研究问题的确立与研究类型的选择、设计与实施,数据管理与质控、预测模型的建立与评价、模型的验证、模型的应用与影响评估以及模型的更新一系列环节。

临床预测模型在脑胶质瘤疾病中应用的研究进展

临床预测模型(CPM)是指利用数学方程式评估特定个体当前患有某种疾病或将要发生某种结局的概率,包括诊断模型和预后模型。脑胶质瘤是颅内常见的、预后极差的恶性肿瘤,存在肿瘤异质性及易感性,病死率和复发率较高,临床诊疗方式时常难以决策。近年来通过临床症状、放射组学、自噬相关基因、DNA甲基化及非编码RNA等信息构建的CPM的应用在脑胶质瘤疾病的诊断、治疗和预后判断中起着重要的作用。本文对CPM在脑胶质瘤中的构建及应用进行综述,以期为医务工作者提供良好的决策依据。

针对个体的预后或诊断多因素预测模型报告规范（TRIPOD）解读

在临床工作中医师随时需要进行医疗决策，例如判断就诊者是否患有某种疾病（诊断）或者未来发生某特定事件的风险（预后）。然而在临床诊疗过程中，目前却很少有能够针对个体进行准确预测的工具或方法。如果能够建立准确的个体患者疾病诊断、治疗和预后的预测模型将给临床工作带来极大的便捷。

临床预测模型研究方法与步骤

利用临床预测模型指导临床决策从而为患者提供精准的诊疗服务已成为临床实践的共识和趋势。但许多临床预测模型由于研究方法不规范,证据质量不高,最终能够实现临床应用的较少。本文结合预测模型研究的国内外进展,从数据收集、模型构建、性能评估、模型验证、模型呈现和模型更新6个方面介绍临床预测模型的开发过程以及临床预测模型研究的报告规范和偏倚风险评估工具,以期为国内研究者提供方法学参考。

以logistic回归模型构建联合预测因子对脓毒症诊断及预后判断的临床运用

目的探索多个检测指标联合诊断脓毒症及判断预后的方法及效果。方法通过访问上海第二军医大学附属长征医院电子病例系统，选择2014年1月至2015年9月重症加强治疗病房（ICU）收治的年龄18～75岁、ICU住院时间〉24 h、相关检测信息完整的危重症患者首次入院时的记录。通过logistic回归模型拟合多个联合诊断或预测指标，构建新的联合预测因子；用受试者工作特征曲线（ROC）对比联合预测因子与各原始指标ROC曲线下面积（AUC），以约登指数最大值时确定最佳临界值，计算敏感度、特异度及预测准确性等工作性能参数，最后通过在个体中代入各值进行预测。结果共入选362例患者，男性218例，女性144例；年龄（48.3±19.3）岁；死亡66例。①预测指标为分类变量时构建联合预测模型：以是否患有脓毒症为二分类结局变量，降钙素原（PCT）、内毒素（LPS）、感染、白细胞计数（WBC）、发热为协变量，建立logistic回归方程，显示PCT升高、WBC升高及发热是脓毒症诊断的独立危险因素。多个分类变量拟合的联合预测因子诊断脓毒症的AUC高于PCT、LPS、感染、WBC、发热单独预测时的AUC（0.930比0.661、0.503、0.570、0.837、0.800）。联合预测因子最佳临界值为0.518时，诊断脓毒症的敏感度为78.00%，特异度为93.36%，诊断准确率为87.47%。随机选取1例患者，将其临床数据代入预测概率方程得到概率值P＝0.015，小于最佳临界值0.518，表明在预测准确率87.47%的条件下，该患者为非脓毒症。②预测指标为连续变量时构建联合预测模型：以住院期间是否死亡为二分类结局变量，急性生理学与慢性健康状况评分系统Ⅱ（APACHEⅡ）评分和序贯器官衰竭评分（SOFA）为协变量，建立logistic回归方程，显示APACHEⅡ评分和SOFA评分是预测死亡的独立危险因素。联合预测因子预测脓毒症预后的AUC高于APACHEⅡ评分和SOFA评分单独预测（0.834比0.812、0.813）。联合预测因子最佳临界值为0.236时，预测住院死亡事件的敏感度为73.12%，特异度为76.51%，诊断准确率为75.70%。随机选取1例患者，将APACHEⅡ评分和SOFA评分代入预测概率方程得到概率值P＝0.570，大于最佳临界值0.236，表明在预测准确率75.70%的条件下，该患者可能结局为死亡。结论无论是诊断脓毒症或是判断预后，使用logistic回归模型构建的联合预测因子的工作性能及判断准确性优于仅使用单一指标。

TNS4在肺腺癌中的表达及预后分析

目的探讨TNS4基因在肺腺癌中的诊断及预后价值,联合临床信息为肺腺癌患者构建预测模型。方法分析TNS4基因在肺腺癌组织和癌旁组织的表达情况,绘制ROC曲线探讨其诊断价值。运用单-多因素Cox分析探讨其预后价值,联合临床特点构建患者预后临床预测模型。结果肺腺癌组织TNS4基因的表达高于癌旁组织(P<0.01),单-多因素Cox分析表明TNS4基因在肺腺癌的诊断中具有高准确性(P<0.01)。此外,研究发现TNS4低表达的癌患者预后明显好(P<0.01),构建的临床预测模型能够很好的评估肺腺癌患者3a和5a的生存率。结论TNS4基因可作为肺腺癌诊断和预后的独立生物学标志物。

预测模型在临床研究中的应用

慢性疾病已成为全球70岁以下人群面临的重要公共卫生问题,造成了极大的经济负担和疾病负担。临床预测模型的建立,有助于在慢性病早期或前期通过指标检测的方式提前预知研究对象患某病风险或者预后效果,并在慢性病临床实践中发挥着越来越重要的作用。本文介绍了临床诊断预测模型和临床预后预测模型,并从临床预测模型的应用视角入手,综述了临床数据处理、临床预测模型建立、可视化方法和模型评估的方法,有助于预测模型在临床研究的正确和合理使用。