SEER+临床预测模型🔥我愿称之为王炸组合

今天给大家介绍一篇比较中规中矩的临床预测模型类文章：列线图预测低级别子宫内膜间质肉瘤患者的预后。👇👇

A nomogram for predicting overall survival in patients with low-grade endometrial stromal sarcoma:A population-based analysis

该文章是SEER数据库+临床预测模型的结合文章，无需自己收集数据，纯纯“空手套白狼”。

该文发文虽然有些早，但是文章结构完整、逻辑清晰、使用的方法也很常见。到现在也是一篇不过时的值得借鉴的文章，尤其是对于刚开始学习临床预测模型的同学来说。

作者从SEER数据库获取病例资料，先用一张table展示患者的基本信息。

然后就是划分数据，使用多种方法筛选变量，建立最终的模型。

并且使用多种指标评价模型。

并且与现存的其他模型进行比较，凸显自己模型的优秀之处。

最后是根据列线图计算患者得分，并进行危险分层，做log-rank检验，绘制K-M生存曲线。

患者选择

从SEER数据库获取1172例患者

首先是table 1，基线资料表。

数据划分

按照7:3划分为训练集和外部验证集（注意并不是外部验证哦）。

变量选择

先用逐步回归，基于AIC筛选变量，然后使用先单后多筛选，最终得到7个自变量。用这7个自变量构建COX模型，并绘制列线图。作者还对这7个变量使用方差膨胀因子检查共线性。

先单因素后多因素的结果

以表格方式呈现。

模型评价

C-index和ROC曲线下面积评价区分度，校准曲线评价校准度，并和其他模型进行比较，用NRI和IDI评价，发现自己的模型更好，决策曲线也更好。

根据列线图计算得分并进行风险分层、生存分析

算出每个患者的得分，然后根据分数分成3层：低风险、中风险、高风险。然后进行logrank检验，画K-M生存曲线。