新冠建模预测java_一篇新冠预测模型文章的深度解析|推荐

大家好，最近几年预测模型的文章非常火，很多人也想试试，但是又不知道该如何下手？今天我们就通过对一篇新冠患者预测模型的全身扫描，让大家了解预测模型的套路，相信结束之后，你也可以模仿套路写一篇。

这篇文章是钟南山团队2020年5月发表在JAMA子刊的一篇文章IF=18分。原文已经放在文章最后，大家可以下载阅读。

在开始阅读文章前，大家先梳理一下预测模型的应用场景：临床中发现一个问题，比如有些患者进展比较重，有些则比较轻，然后通过收集临床数据，进行数据挖掘，寻找导致进展的危险因素，比如肝肾功能不好会导致病情恶化。这些因素都找到之后，就可以把这些因素联合起来，通过打分、评估等方式来预测患者的结局。对于预期比较差的患者，进行提前干预。这段话就是预测模型的本质，建议大家反复阅读几遍。

有了上面的场景，大家再进行预测模型的解读会更加清晰。下面我们来具体分析这篇文章。

表一/二：研究人群描述

文章摘要告诉我们，文章分别使用了575家医院的数据作为Development Cohort，相当于建模数据，另外4家医院作为建模数据。这是预测模型的惯用套路，通过外部数据来验证模型的准确性。因为相关变量非常多，人群描述一共分了2张表，一个是症状等资料，另一个是实验室检查。

表三：大海捞针，建立模型

有了表一表二的相关数据，下面要做的就是如何“海里捞针”，从上面众多指标中找到最终的预测指标。这一步是预测模型的核心，是最具“玄学”的部分。每个人都有自己的筛选办法，没有统一的公式，也最考验数据分析师的经验和水平。我们看这篇文章是如何操作的：

第一步是使用LASSO回归，纳入72个自变量，然后通过LASSO筛选出了19个变量。

LASSO回归的本质是在回归方程中引入惩罚因子，可以在筛选变量的时候去掉共线性的影响，找到对结局影响最大的因素。我知道大家对这个比较陌生，感觉高深莫测，但其实在R中只要用一个函数就可以搞定。本质上还是属于方法学的东西，之后我们会专门讲解LASSO回归的应用。我们还是回到文章的主线。

通过LASSO筛选之后，找到了19个变量，但是这些变量还是太多了怎么办？我们看文章是怎么处理的：

文章描述到：我们将这19个变量纳入logistic回归模型，结果发现有10个变量是独立的、有统计学意义的危重病预测因子，因此被纳入风险评分。到这里就结束了，表3直接给出了这10个指标的多因素分析。

很多小伙伴估计心中会有一个想法：就这？这也没说明白具体是咋筛选的呀：是后退法逐步回归做的吗，还是结合临床筛选的？

其实大家大可不必惊讶，因为临床数据之间的关系非常复杂，没有办法用一个通用的公式选出最佳答案。就算用的是逐步回归，最后的结果也未必符合临床。那么这个时候，就只能通过数据分析师的反复尝试、筛选，再和临床医生的沟通，最后确认纳入方程的最优组合。

图1：展示预测方式

有了这10个变量，下一步的预测模型就更简单了，直接把回归方程的系数带到公式里面，用一个网页或者打分卡的方式呈现出来就可以了，一般文章用的比较多的是列线图：nomogram。其实呈现形式关系不大，重要的是前面的预测方程。这个文章是用网页的方式，做了一个评分小工具，大家只要按根据10个指标作出判断，就可以算出患者的危重概率。

表四：外部验证

到这里建模的过程就基本完成了，最后是通过外部数据的验证。在其他四家医院最后验证的效果也比较接近，都在0.88以上，说明模型的稳定性比较好。

总结

至此文章的结果就全部结束了。大家可以看到，其实预测模型的思路就是寻找危险因素，建立最佳模型的过程。所谓的预测模型，其实本质上还是回归方程，只不过结果的呈现模式比较符合临床应用。

以上大家不难看出，预测模型其实也没有我们想象中那么高不可攀，甚至从套路上来说，预测模型是最容易模仿的。不过清晰并不代表简单，预测模型的功夫都在文章之外。

一个新问题的出现，往往需要从危险因素开始，一步一步的探寻，最后一步才是预测模型。在前期不清楚的时候贸然写预测模型，相当于提前给这个问题盖棺定论，后期错误的概率非常大，所以大家也要慎重。面对新问题的时候，建议大家还是从危险因素的文章写起，一步一步深究，即可以多写一些文章，又能把这个话题研究透彻，这才是临床研究的精髓。

更多的文献解读，大家可以查看下面这些卡片，同时我们也在做科室数据库的搭建，欢迎大家联系我们。如果觉得这篇文章还不错，还请大家点个在看，或者分享给朋友哦。

往期推荐