北京
本文內容整理自醫咖會《基于臨床數據構建預測模型》專欄，小咖針對其中關于預測模型的應用場景相關內容進行了整理，可點擊左下角“閱讀原文”查看完整視頻。
進行研究時，首先要清楚數據的屬性。數據通常分為兩個大類，其一為比較傳統的循證醫學。一般是根據特定的、已有的臨床問題前瞻性地收集數據，然后根據數據劃分研究類型。
其二則為真實世界數據，這一類數據更多的由設計和數據雙驅動，如醫保、電子病歷等。這些數據并不是研究者有目的的收集的。就像國內外基于真實世界共識的不斷發布，越來越多的關聯性/預測性研究，都是在真實世界的框架下開展的。
不管是哪一類數據，通常會把研究歸為兩個范式，關聯性研究和預測模型研究。預測模型研究可以應用于多個場景：
應用場景
疾病的發生：可以在疾病發生前收集變量，去預測疾病的發生風險，比如弗雷明漢風險評分，可以預測個體十年后發生心血管疾病的風險；
疾病的診斷：某些疾病的診斷是很困難的，沒有金標準，就可以考慮診斷模型，比如使用生物標志物、影像等輔助診斷；
疾病的治療：可以使用模型提前預測患者使用某種治療手段的反應；
疾病的預后。
臨床預測模型是通過算法支持臨床決策的，通常是分為診斷模型和預后模型。前者預測因子和結局數據通常是同一時間節點收集的，而后者則在收集預測因子后，通過一段時間內的不斷隨訪來看個體是否會出現關注的結局。
圖.診斷模型（上圖）和預后模型（下）
上文內容摘自醫咖會專欄課程《基于臨床數據構建預測模型》，請點擊左下方的“閱讀原文”，觀看完整視頻內容。
研究設計、統計分析、論文投稿難題，快聯系小咖（微信：xys2019ykh）
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
