【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（数据完整性、有效性、可靠性）

③如何获得：
A. 既往研究项目的数据
B.医院的电子病例
C.公开的研究数据
公开数据集

【注意】
1）研究设计评估
2）数据申请和使用流程
3）数据质量评估和控制

2）研究数据：

①优势：
A. 预测因子
B. 选择偏倚可控（纳排标准）

②劣势：时间、经济、人力成本

③如何获得：开发研究方案，CRF DMP DVP

2、样本量和把握度

1）小样本研究缺陷：

①把握度低，容易过拟合，研究的稳定性、可靠性差
②缺失值对小样本研究的参数估计影响很大
③逐步法筛选预测因子很普遍，但是在小样本研究风险大
④小样本研究，通常缺乏有效的验证，尤其是采用拆分数据做验证集

2）对预测模型样本量的认识：

目前没有广泛且统一的认识；
可供参考的，简易操作准则：
（Event Per Variable EPV>10);样本量是预测因子的十倍以上。
实际考虑

3、训练集和测试集

训练集和测试集的数据划分模式：
1）样本量较大： 随机拆分（2:1）
2）样本量较小： 重抽样、交叉验证
3）多中心：“内部-外部验证”