建模与验证 | 预测模型国际规范（TRIPOD）的技术瓶颈破解办法

学友提问：用一部分人群建模后，如何利用另一部分人群进行验证，计算曲线下面积，敏感性，特异性等？

1

文献实例

2016年发表在新英格兰医学杂志的研究，用指标（sFlt-1:PlGF Ratio）预测产妇先兆子痫。把研究对象随机分为建模队列（Development cohort）和验证（Validation cohort）队列。图中有两条线，分别是建模和验证人群得出的ROC曲线面积、诊断切点等。

Predictive Value of the sFlt-1:PlGF Ratio in Women with Suspected Preeclampsia. N Engl J Med, 2016.

2

文献实例

2015年发表在JAMA子刊的研究，建立肝癌微血管侵犯风险的预测模型。把研究对象分为建模（Training）和验证（Validation）两部分，分开呈现研究人群一般资料。

Nomogram for Preoperative Estimation of Microvascular Invasion Risk in Hepatitis B Virus–Related Hepatocellular Carcinoma Within the Milan Criteria. JAMA Surgery, 2015.

建模与验证怎么做呢？

需要学习预测模型国际规范（TRIPOD）

看这个图就一目了然了

其中D表示建模（Development）

V表示验证（Validation）

Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis (TRIPOD): The TRIPOD statement. British Journal of Cancer, 2015.

1

第一种情况

只有一个数据集，用所有研究对象建模（D）

Type 1a：只建立模型，没有验证

Type 1b：用所有研究对象建模；同时用重采样resampling（bootstrap或者cross-validation）的方法，从所有研究对象中抽取一部分人做验证

2

第二种情况

只有一个数据集，做建模（D）加验证（V）

Type 2a：把总的研究对象随机分成两组分别用来建模和验证。不足之处：当样本量不大的情况下，这样做会降低统计检验效能（Power），比Type 1b的处理方法效果差

Type 2b：把总的研究对象根据地点或时间（location or time）分成两组分别用来建模和验证，这种做法因为允许两组人群不同，因此在评估模型的表现（performance）方面要比Type 2a更好

3

第三种情况

有一个独立的数据集，可以用于做验证（V）

Type 3：用一个数据做建模，另外一个独立的数据，例如来自另外一个研究的数据做验证

Type 4：只做验证，用一个数据集验证已有的模型，例如已经发表的模型

指南中有各种技术瓶颈

临床医生和研究生们

如何冲破上述统计学障碍呢？

操作实战

研究目的：建立乳腺癌生存状态的预测模型

测量指标：患者基线的临床资料和影像学指标等、随访患者的预后（死亡）

数据来源：SPSS练习数据Breast cancer survival.sav