风暴-风暴娱乐-注册登录站

风暴注册

风暴资讯

更多
电话:400-123-4567
传真:+86-123-4567
邮箱:admin@youweb.com
地址:广东省广州市天河区88号

风暴资讯

当前位置: 首页 > 风暴资讯

样本量不大时如何写出1篇饱满的诊断临床预测模型论文

浏览次数:115 发布时间:2023-04-23 06:55:44

  样本量不大时如何写出1篇饱满的诊断临床预测模型论文?所谓"巧妇难为无米之炊",统计学玩的就是数据,当你的数据量不足,自身写作的底气仿佛低人三分一样。关于临床预测模型亦如是。当自身样本量也就100多-200上下,此时到底拆不拆分成训练集和验证集呢?不拆建模都有一定的风险,一旦拆分结果也许会更加不稳定。

  如果你样本量豪横,几万-几十万,那么这篇推文您不必看。此文适合余粮不足的小课题组。当您样本量不大,全部数据也仅仅满足10EPV原则稍微大一点。那就意味着,您全部数据拿来建模也就刚刚好够,此时您是不可以进行拆分的,因为,自变量数量还是那么多,当您样本量进行拆分,那么势必构建模型的样本量就不够用了。同时要注意,10EPV不是指受试对象数目是自变量的10倍,而是指受试对象中发生目标结局事件的人数满足10EPV原则。

  如何小样本建模?

  1.不要拆分了,全部数据进行建模;

  你也许说,那我不就没有验证集了嘛?那我结果专家肯定不认可。注意预测模型验证主流包括2种方法:一是交叉验证,二是Bootstrap;

  交叉验证又包括简单交叉、K重交叉和留一法,关系如下:

  建模时,一般采用的都是先单后多模型;那么此时你就可以得到下面一张先单后多的统计分析表格。

  但是如果你数据相关性较高,也可以采用LASSO进行筛选变量,然后再进行多因素分析,那么此时的结果就更加哇塞一些,当然也得数据分析的结果还可以才行。

  模型构建好之后,开始评价与验证。预测模型从区分度、校准度和临床适用度3个方面进行评价与验证的哦!

  2.区分度的评价.

  因为我们没有进行训练集与验证集的拆分,所以就没有验证集的评价了,但是验证还是要验证的,首先是区分度的评价,对于区分度评价采用的时ROC和AUC。

  此时我们也有两种选择,要么对训练集进行交叉验证或者急性Bootstrap。交叉验证就是对我们全部数据(建模集)进行3-5-10重拆分,构建3-5-10个模型,然后进行3-5-10遍的验证,最后得出一个平均的结果;

  Bootstrap就是在我们全数据集中进行数百次的抽样,进行数百次的模型运行评价,分别计算其ROC和AUC,然后得到一个综合的平均结果,反应模型的稳健表现。

  两种方式的展现方式也不一样。如下为ROC的10重交叉。

  如下为ROC的Bootstrap,那么松哥问您一个问题,对于ROC的交叉验证与Bootstrap,您觉得那个更好呢?

  3.校准度评价与验证.

  校准度评价,一般我们采用的都是Bootsrap,通常都是500次,也有1000次抽样。一般校准曲线出现Bias-corrected的那条线,就是经过500次或1000次抽样后得到的模型表现的平均线。

  4.DCA评价与验证.

  DCA也是常用Bootstrap进行验证,当然也可以交叉验证。如下就是精鼎诊断预测模型软件进行的Bootstrap DCA和交叉验证的DCA。

  5.绘制Nomogram.

  在样本量不大的情况下,上述对3个度都进行的模型的评价与验证。就该进行模型展示了,如下四种,1-2-3-4,展现能力逐步增强,看你分析能力选择吧!

  6.合理性分析.

  一般到这时候,很多文章就开始讨论收尾了,其实还可以进一步验证我们模型的合理性以及诊断能力。

  此时,我们还可以增加2张图和1张表格。

  第一张图:Nomo-ROC,是绘制包括Nomo模型以及模型包含的各个因子的多ROC曲线,如果模型效果合理,那么Nomo的ROC应该比任何一个子民的ROC都要大。

  第二张图:Nomo-DCA,道理和上述一致的。

  第三张表格:诊断能力评价表,就是你构建的模型是诊断类的预测模型,用于模型的诊断,那么你构建好了之后,如何评价您的诊断能力呢?那么再好的不过诊断试验评价指标了哦,于是就要进行灵敏度、特异度等评价指标进行评价。

  小结

  对于诊断类预测模型,在样本量不大的情况下,如果能把上述评价与验证都做了,基本上,已经分析的够透彻了。还有几个问题和大家讨论下:

  1.到底啥是模型评价?啥是模型验证?

  建模阶段,比如临床预测模型建模判定参考的AIC、BIC指标,都是评价指标;

  区分度、校准度、临床适用度等指标,都是评价指标;

  那么何为验证呢?就是你得到一个评价指标后,有无对该指标进行交叉验证或者Bootstrap验证。所以好的临床预测模型,不仅是评价,而且要验证。

  2.Bootstrap和交叉验证那个更好?

  从统计学角度,以及一些大牛的推荐,Bootstrap更加适合小样本的研究。因为你自助抽样500次或1000次,就等于进行500次或1000次的检验;而你交叉验证目前常用的也就进行10重交叉,也就分析10次。

  3.为啥合理性分析,有Nomo-DCA和Nomo-ROC,为啥没有Nomo-Calibration plot; 这点确实如此,目前看文献,尚未见到Nomo-Calibration plot。

  4.如果继续提升这篇文章,你可以考虑用不同方法构建两个模型或多个模型;或者自己构建模型和一个国际模型比较;当你有多个模型的时候,就可以对他们进行比较,那么此时,又可以绘制多张图,同时还可以计算NRI和IDI 的评价指标了。

平台注册入口