精华内容
下载资源
问答
  • 行业分类-物理装置-一种临床预测模型决策分析方法.zip
  • 现在临床预测模型APP主要存在与网站上,需要联网进行访问,缺点是没有网路的情况下无法使用,和可能有一定的延迟,所以作为补充的一种形式是把临床预测模型布置到手机或者平板本地。 本着这个想法投入到“如何将临床...

    尝试将临床预测模型部署到移动端

    现在临床预测模型APP主要存在与网站上,需要联网进行访问,缺点是没有网路的情况下无法使用,和可能有一定的延迟,所以作为补充的一种形式是把临床预测模型布置到手机或者平板本地。本着这个想法投入到“如何将临床预测模型布置到移动端?”这方面的学习,起初以为业内可能已经有成熟的方法,但还是缺乏具体可以模仿的例子,好在临床预测模型也是一种数学计算,了解了公式,通过编程数学计算的模块和用户界面就可以实现临床预测模型在移动端的部署。对于逻辑回归模型和Cox比例风险模型制作的临床预测模型确实是这样的,因为以上两种模型属于线性模型,具有具体可以查询的参数, 我通过查询以上两种模型的概率和生存率的计算公式,在没有原始数据的情况下用python的kivy模块实现了对临床预测模型APP的构建(具体可以参见博客内的另一篇文章)。kivy
    然而当试图用同样的方式构建非线性模型的时候,发现kivy移动端的构建程序buildozer不支持某些必要的文库,比如Joblib和 pickle, 所以没有办法将随机森林、xgboost等非线性算法构建的临床预测模型布置到移动端,现在也不行,退而求其次,只能通过pyinstaller模块将临床预测模型构建为能在电脑运行的程序。通过了解,也不是所有的非线性模型都不能布置到移动端, google为了深度学习构建了一个tflite的模块,用意是方便图像识别等深度学习的算法在移动端的应用, 可以通过flutter语言布置到移动端,对于临床预测模型来说,通过tflite插件可以将“神经网络”构建的非线性预测模型部署到移动端,而其它算法构建的临床预测模型并不支持。

    大体情况就是这样。后知后觉来看,python 在数据数据处理方面的优势是相当明显的, 而flutter在APP制作方面的优势是很明显的,可以简单制作出最好看的APP,以及对tflite的支持,可以部署线性和非线性的临床预测模型。kivy 暂时认为可以不进行学习。
    flutter

    展开全文
  • 临床预测模型评鉴(PMID32982965) 本系列文章是评价一个临床预测模型是否可以达到国内临床应用的标准。 评价原则: 首先,临床预测模型的优劣一般是通过区分度和校准度两方面来进行评价。区分度最主要的参数是C统计...

    临床预测模型评鉴(PMID32982965)

    本系列文章是评价一个临床预测模型是否可以达到国内临床应用的标准。

    评价原则:

    首先,临床预测模型的优劣一般是通过区分度和校准度两方面来进行评价。区分度最主要的参数是C统计量(逻辑回归模型)和C指数(Cox模型),其通俗理解是我们所构建的模型是否可以找出一个点将发生事件和未发生事件的人群区分开来;校准度一般是通过校准度曲线来直观评价,观察实际曲线与理想曲线的贴合程度,贴合表示校准度优良,不贴合表示高估或者低估实际概率,另外,其斜率可以作为校准度的参数指标。校准度的通俗理解是所构建的模型预测的概率与实际概率的符合程度。
    其次,临床预测模的另一个要求有一定的外推性,但是要求一个临床预测模型可以全世界通用是不现实的,这样恐怕没有一个临床预测模型能够达到临床应用的标准。构建模型的患者人群与模型应用人群之间的相似程度决定了一个模型预测表现的好和坏。所以,国内人群构建的模型在国内人群应用时会最有可能表现出最佳的性能,某地区人群构建的模型在本地区应用时最有可能表现出最佳的性能,而对于国外人群构建的模型则要通过外部验证(采用本地人群进行)来确定其本地效能。
    再次,模型构建所用到的样本量是影响模型稳定性的一个重要参数。样本量越大代表模型学习了更多的临床情况,在应用到新的情景中时,模型更有可能做出准确的预测。

    模型信息表:

    表中罗列了模型应用重要的参数。
    在这里插入图片描述

    模型简评:

    模型纳入了11个预测变量,增加了预测的效能,但降低了模型的易用性,但是所有的预测变量在临床上是易得的;样本量能达到要求;模型效能的参数良好,有一定的应用价值。

    展开全文
  • 临床预测模型】----10步建立预测模型 好多小伙伴在首次构建一个临床预测模型构建时,一头雾水找不着北???? 为了解决这一问题,小编思索良久,决定彻夜归纳,5min快速概括,告诉各位头大的小朋友,每一步应该怎么做...

    【临床预测模型】----10步建立预测模型

    好多小伙伴在首次构建一个临床预测模型构建时,一头雾水找不着北😭
    为了解决这一问题,小编思索良久,决定彻夜归纳,5min快速概括,告诉各位头大的小朋友,每一步应该怎么做~😁😁
    满满只放干货,划重点!!


    研究思路 🧐

    🎖准备工作 ➡️ 统计分析 ➡️ 成果展示
    在这里插入图片描述
    !!大部分的研究,取决于我们有什么样的现有数据!!
    so,数据是一切的源头,巧妇难为无米之炊。

    1、准备工作:

    1)确立研究问题
    2)选择数据来源
    3)数据的预处理

    在这里插入图片描述

    2、统计分析工作:

    1)模型选择
    2)单因素分析+预测变量的转换
    3)多因素分析+预测变量的筛选
    4)拟合模型/校准模型
    5)评估模型表现(模型验证)

    在这里插入图片描述

    3、成果展示:

    1)呈现预测模型
    2)报告研究结果

    在这里插入图片描述
    难以理解嘛?没关系,我们用做菜来表述这一过程~
    在这里插入图片描述
    这么一看,机器学习构建临床预测模型,也不是那么难嘛~🤣


    👩🏼‍💻研究设计🤓

    1、思维框架:PI(E)COTS准则

    1)研究类型
    2)研究对象/人群
    3)干预性研究?观察性研究?
    4)outcome,时间点
    在这里插入图片描述

    2、临床阶段中可研究的问题

    根据疾病的每个阶段,可以挖掘和发现不同的研究问题

    1)预防阶段
    2)诊断阶段 ➡️ 构建诊断模型
    3)治疗阶段
    4)预后阶段 ➡️ 构建预后模型
    在这里插入图片描述
    诊断/预后模型,根据思维框架进行拆解如下:
    在这里插入图片描述
    对于诊断模型的代表性研究,可以同样拆分:
    在这里插入图片描述
    对于预后模型的代表性研究,同样拆分:
    在这里插入图片描述
    好啦好啦,具体的统计方法怎么选择呢?
    这又是另一块重点知识点了,也是机器学习中又一核心问题。。

    具体可移步拜访小编的csdn博客,目前在持续更新中…

    小编作为初学者,有遗漏或者缺少的地方,期待各位读者不吝赐教,与各位小伙伴们的交流与合作呐~~🥳🥳🥳🧚🏽‍♀️

    ending!

    展开全文
  • 临床预测模型研究需要明确的数个问题 阅读了一些临床预测模型的论文,有一些个人的体会,和大家分享,有新的想法随时增加。 1.采用什么样的策略筛选预测变量? 临床预测模型的研究是建立在临床流行病学的基础上的...

    临床预测模型研究需要明确的数个问题

    阅读了一些临床预测模型的论文,有一些个人的体会,和大家分享,有新的想法随时增加。

    1.采用什么样的策略筛选预测变量?

    • 临床预测模型的研究是建立在临床流行病学的基础上的研究。临床流行病学为疾病的结局筛选出了种种的危险因素,而临床预测模型则可以将这些危险因素综合在一个算法中,来实现其判断和预测的功能。这些经过临床流行病学筛选鉴定的危险因素,这里称之为“经证实的预测因素集”。与之相对的是,模型作者根据自己本地的数据用Lasso回归或者单因素检验等方法筛选出有统计学意义的预测变量而纳入到预测模型的方程中,这样获得的预测因素,可以称之为“私有的预测因素集”。预测模型要求要有一定的预测的准确度和外推性(适用于其它研究中心的数据),采用“经证实的预测因素集”较“私有的预测因素集”显然会使模型具有更好的外推性。如果有的经证实的预测因素却在本地的资料中没有表现出统计学意义,也应该纳入到模型构建方程中。
    • 预测变量的个数。增加预测变量的个数的好处是可以增加模型预测的准确性,然而在保证一定准确性的前提下,预测变量的个数尽可能少,这会带来两方面的益处,首先,预测变量少导致需要患者提供的资料少,可以增加模型的适用性,更多的人可以使用该预测模型;其次,预测变量少可以增加模型使用的便利性,预测模型临床使用的主要形式是诺莫图或者网页计算器,特别是诺莫图,需要先计算出每个预测变量的得分,并获得总分,然后找到总分对应的疾病结局发生的概率。预测变量少可以减少计算的时间。网页计算器的出现大大增加了预测模型临床应用的便利性,使得模型开发者可以将模型开发的重点放在模型的准确性上。非线性模型无法制作诺莫图,网页计算器是其唯一的表现形式。

    2. 构建临床预测模型的样本量是否足够?

    • 预测模型研究目前没有样本量的计算模式。样本量不足,导致计算的预测因素的权重不准确,也导致模型外推性不好。对于预测模型的外部验证,有专家推荐,发生结局事件的人数和未发生结局的人数至少要100以上,才能达到一定的预测效能。构建模型的样本数往往多于外部验证和内部验证的样本数。

    3. 采用线性算法还是非线性算法?

    1. 根据目前的经验来看,不是所有的非线性模型都优于线性模型(逻辑回归和Cox回顾),而某些非线性算法可以同时在区分度和校准度方面优于线性模型,比如,随机森林算法。根据个人构建临床预测模型的体验、比较多个算法的文献报道,随机森林算法确实在许多情况下优于线性模型,可以作为构建临床预测模型时常规考察的一个算法。值的一提的是,以上比较非线性模型与线性模型的评价指标是区分度和校准度,更加有价值的指标应该是影响了临床决策或者患者是否从中获益,但是目前相关的研究很少无法得出结论。
    2. 线性预测模型可以非常方便地用方程来描述模型,而方便地进行外部验证,还可以制作诺莫图或者网页计算器而进行临床的应用, 反观非线性模型, 如同一个“黑盒子”, 目前仍然没有建立成熟的分享方法, 对于外部验证和临床应用来说,暂时还无法实现。

    4. 预测模型能不能进行临床应用?

    临床上目前还不接受用临床预测模型来辅助进行临床决策,显然多数业内人士认为临床预测模型还达不到有用的程度。这个认知总体上并没有问题,但是这个问题还是值得我们仔细地分析一下。

    • 首先,预测模型核心的指标是区分发生和不发生疾病结局事件的能力(一般会用区分度来表示),
      目前这个能力预测模型只能达到70%,只有少数会达到90%。而且很少量的预测模型进行了临床价值的研究,所以无法进行临床应用。
      专家呼吁应停止进行构建模型的研究,而应该进行临床价值方面的研究来推动预测模型在临床上的应用。

    • 其次,预测模型告知了我们疾病结局的危险因素。预测模型中所采用的预测因素是公认的或者是作者认为的疾病结局的危险因素,有助于我们了解疾病结局密切危险因素并有意识地进行控制这些危险因素来预防疾病的发生。

    • 再次,通过预测模型可以了解这些危险因素对疾病结局的影响力。不同的预测因素在方程中会计算出不同的权重,体现出预测因素对疾病结局的影响,对于线性模型来说,预测因素的β值以及其诺莫图中线段的长短,都可以体现各预测因素的权重,而对于非线性模型,也可以通过一些方式来计算。

    5.检索预测模型的“窍门”关键词?

    • “nomogram”,会检索到“线性”的预测模型,因为“非线性”的模型不能制作诺莫图,且论文中有发布相关的诺莫图供临床应用。
    • “population-based”, 会检索到以社区人群为样本的预测模型,与医院的人群相区别。因为个人目前关注可供一般人群使用的预测模型,而不是供医生使用的预测模型。
    展开全文
  • 临床预测模型评鉴(PMID: 31865340) 本系列文章是评价一个临床预测模型是否可以达到国内临床应用的标准。 评价原则: 首先,临床预测模型的优劣一般是通过区分度和校准度两方面来进行评价。区分度最主要的参数是C...
  • 临床预测模型评鉴(PMID: 33277541) 本系列文章是评价一个临床预测模型是否可以达到国内临床应用的标准。 评价原则: 首先,临床预测模型的优劣一般是通过区分度和校准度两方面来进行评价。区分度最主要的参数是C...
  • 临床预测模型评鉴(PMID: 32350208) 本系列文章是评价一个临床预测模型是否可以达到国内临床应用的标准。 评价原则: 首先,临床预测模型的优劣一般是通过区分度和校准度两方面来进行评价。区分度最主要的参数是C...
  • 临床预测模型评鉴(PMID: 32695060) 本系列文章是评价一个临床预测模型是否可以达到国内临床应用的标准。 评价原则: 首先,临床预测模型的优劣一般是通过区分度和校准度两方面来进行评价。区分度最主要的参数是C...
  • 临床预测模型评鉴(PMID: 33303841) 本系列文章是评价一个临床预测模型是否可以达到国内临床应用的标准。 评价原则: 首先,临床预测模型的优劣一般是通过区分度和校准度两方面来进行评价。区分度最主要的参数是C...
  • 临床预测模型评鉴(PMID: 32304772) 本系列文章是评价一个临床预测模型是否可以达到国内临床应用的标准。 评价原则: 首先,临床预测模型的优劣一般是通过区分度和校准度两方面来进行评价。区分度最主要的参数是C...
  • 临床预测模型】 第一部分: 诊断模型or 预后模型 一,诊断模型(Diagnostic Model) 1、定义:用来预测个体患者患有某种疾病的概率; 1)通常应用于:特定群体,表现出某种症状的患者; 2)结局变量:患者当前状态...
  • 临床预测模型评鉴(PMID:32110006) 本系列文章是评价一个临床预测模型是否可以达到国内临床应用的标准。 评价原则: 首先,临床预测模型的优劣一般是通过区分度和校准度两方面来进行评价。区分度最主要的参数是C...
  • 临床预测模型评鉴(PMID:33121332) 本系列文章是评价一个临床预测模型是否可以达到国内临床应用的标准。 评价原则: 首先,临床预测模型的优劣一般是通过区分度和校准度两方面来进行评价。区分度最主要的参数是C...
  • 临床预测模型评鉴(PMID31027946) 模型信息表: 表中罗列了模型应用重要的参数。 模型简评: 模型参数达到要求;样本量足够;中国人群构建模型和外部验证;有一定的借鉴价值。
  • 临床预测模型评鉴(PMID:33090417) 评价原则 见之前发表的文章 模型信息表: 表中罗列了模型应用重要的参数。 模型简评: 模型MACE组发生的事件的样本数量不足, 是模型预测准确性的隐患; 模型参数评价达到要求...
  • 临床预测模型】------单因素分析1、结局变量的处理:1)结局变量:预测模型要预测的目标2)二分类变量&连续变量3)二分类变量&时间-事件变量2、缺失值:3、连续变量?分类变量:4、变量转换: 1、结局变量...
  • 临床预测模型】----选择合适的统计模型 常用4种统计模型 1)logistics 回归: |分类变量 2)cox回归: |生存资料 3)poisson /负二项回归: |计数资料 4)线性回归: |回归连续变量 根据不同的结局事件,建立...
  • 临床预测模型】----选择合适的研究数据 选择数据通常面临许多问题:①②③④⑤⑥⑦⑧⑨⑩ 1、现成数据和研究数据 1)现有数据: ①优势:时间、精力、人力成本较低 ②劣势: A. 选择偏倚不可控; B. 数据质量...
  • 如题,目前模型预测准确率不高,以下是我的解决方法,请教各位是否可行。 我有两个年份数据,A年份数据缺失比较严重,合并B年份数据建模后预测准确率不高,因此我只保留A年份结局事件(阳性结果),再次合并A、B年份...
  • 临床预测模型评鉴(PMID: 34007195) 模型评价原则: 参见其他发表的文章 模型信息表: 表中罗列了模型应用重要的参数。 模型简评: 模型参数达到要求;样本量足够;有一定的借鉴价值;模型根据日本人群构建,需要...
  • 要发表高质量的临床预测模型研究,应该参考真正规范的报告模型,我们根据这一的一个checklist来帮助我们查缺补漏。绝知此事要躬行,这里白介素2整理阅读了来自TRIPOD checklist文件,全文如下,如有不当之处,请诸位...
  • 预测模型APP的构建中,也要对这方面的信息进行重点的描述,防止用户的误用。 2. 模型本身参数达标 模型具有恰当选择的预测变量,准确的精确度和符合要求的样本量。 3. 经过外部验证 根据国外的或者外
  • 模型信息表 列线图
  • 评价原则: 请参见之前的文章 模型信息表### 模型简评 样本量达到要求; 模型参数良好; 比临床应用的TNM分期略好; 有一定的应用价值.
  • 胃癌(转移)早期死亡: PMID: 32742500 适用人群 :根据美国SEER数据库构建,不适合中国人群使用,仅用于学术讨论。 List item
  • 临床预测模型】----三个维度筛选预测因子1、医学文献1)医学指南:(最佳)2)系统综述/综述3)预测模型/预测因子2、统计方法1)单因素2)多因素3、应用场景1)面向大众:推广、简单2)面向医学科研人员/医生:...
  • 评鉴原则: 参见其他的博文。 模型信息表: 模型评价: 模型参数一般,故不建议临床应用; 模型参数选择是一般常见的参数,可以观察胃癌死亡的危险因素; 有一定学术借鉴价值。
  • R语言临床预测模型的评价指标与验证指标实战:自定义的综合判别改善指标(Integrated Discrimination Improvement, IDI)函数 目录 R语言临床预测模型的评价指标与验证指标实战:自定义的综合判别改善指标...
  • 2018年全年热点临床数据预测模型类论文专题研讨会临床科研工作者发表SCI的新途径利用既往临床大数据资料,成就SCI发表的...独家课后发放课堂同步视频,供学员复习报名方式见文末通过临床预测模型发表论文是目前的...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 5,505
精华内容 2,202
关键字:

临床预测模型