医学预测模型中连续型变量的不同处理方式对其效能的影响

目的:探讨医学预测模型构建中连续型变量的分类或特征缩放处理对其内、外部验证效能的影响。方法:采用SEER数据,分别对数据中连续型变量(年龄和肿瘤直径)进行分类或特征缩放处理,然后构建模型,并对其效能进行内部和外部验证。以C统计量为模型的效能指标。结果:连续型变量的分类处理会降低预测模型的内、外部验证中的C统计量,且在多种算法中有相同的表现;而连续型变量的特征缩放处理可以提升模型的外部验证C统计量,却对模型的内部验证中C统计量的值无明显影响,且在多种算法中有相同的表现。结论:连续型变量的不同处理可以影响医学预测模型的内、外部验证效能,建议常规对模型中的连续型变量进行特征缩放处理并筛选最佳的特征缩放方法。