Methodological approaches to developing clinical prediction models to predict multiple long-term conditions, a systematic review
这项对 2023 年以来发表的三项研究进行的系统综述表明，尽管已应用各种复杂的方法论来预测多种长期疾病，但该领域仍处于起步阶段，并受到高偏倚风险、验证实践欠佳以及缺乏外部有效性的限制，凸显了对进一步进行严谨调查和方法学比较的迫切需求。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下你的健康就像一座花园。长期以来，医生和研究人员一直非常擅长预测什么时候会出现一种单一的杂草（比如糖尿病或心脏病）。他们已经为这些单个问题建立了“天气预报”。
但当你的花园开始同时长出各种各样的杂草时，会发生什么？这被称为多种长期健康状况（MLTC），或“多病共存”。这就像是在同一片土地上，玫瑰、蓟草和常春藤正在互相争夺生存空间。问题在于，这些植物并不是独立生长的；它们会相互影响。如果常春藤占据了主导地位，玫瑰可能会生长困难。预测这种复杂的纠缠比预测单一杂草要难得多。
这篇论文是一篇系统综述，本质上是一份关于科学家们构建的所有用于预测这种“花园纠缠”工具的“侦探报告”。作者们是一支来自英国大学的团队，他们寻找任何试图创造“水晶球”来预测一个人何时会发展出两种或两种以上长期健康状况的研究。
搜索过程：大海捞针
该团队检索了四个庞大的数字图书馆，寻找在 2015 年至 2025 年 8 月期间发表的论文。他们撒下了广阔的网，希望能找到数十个这样的预测模型。
结果如何？ 他们只找到了 3 篇论文（包含 8 个不同的模型）。这就像是在寻找一种特定的稀有鸟类，却在全世界范围内只发现了三次目击记录。这告诉我们，同时预测多种状况仍然是一个非常新颖且尚不成熟的领域。
工具：不匹配的工具箱
他们找到的三篇论文使用了八种不同的数学“工具”来尝试预测未来。作者将这些工具与不同方式的预测天气进行了对比：
- 简单的预报员： 一些使用了基础方法，如**逻辑回归（Logistic Regression）**或 Cox 模型。这些就像是观察一朵云并猜测是否会下雨。它们很简单，但可能会错过风、温度和湿度之间的相互作用。
- 复杂的模拟器： 其他则使用了先进的方法，如 Copulas、脆弱性模型（Frailty Models）和多状态模型（Multi-state models）。这些就像超级计算机，试图模拟风、雨和温度是如何共同起舞的。这些方法更好地理解了其中一种状况（如高血压）如何使另一种状况（如心脏病）更有可能发生。
- “快速修复”法： 一些方法（如乘积法 Product Method）被描述为快速且易于使用，但作者指出，对于如此复杂的问题，它们可能过于简单了。
共同点： 几乎所有他们发现的模型都高度集中在心血管代谢疾病（心脏和血糖相关问题）上。这就像是每个园丁谈论的都只是玫瑰和蓟草，却忽略了常春藤或蒲公英。
问题所在：为什么预测不可靠
尽管这些科学家试图构建这些预测工具，但该综述发现，这些工具目前是非常不稳固的。以下是主要问题，通过简单的解释说明：
- 真空测试（内部验证）： 大多数模型仅在构建它们时所使用的数据上进行了测试。这就像一个学生使用学习过的完全相同的题目来参加模拟考试。他们可能会得到满分，但这并不意味着他们能通过使用新题目的真实考试。极少有模型在新的人群中进行了测试（外部验证）。
- “过拟合”陷阱： 一些模型过于复杂，以至于它们记住了数据而不是从数据中学习。这就像一位天气预报员完美地记住了过去 100 天的天气，但却无法预测明天，因为他并没有理解实际的模式。
- 缺失的信息： 许多研究没有解释他们如何处理缺失的信息（例如患者忘记填写表格）。他们通常直接丢弃了这些不完整的记录，这可能会扭曲结果，就像试图通过忽略所有下雨的日子来预测天气一样。
- 缺乏明确规则： 目前还没有共识来确定哪种工具是“最好的”。这就像拥有一个装有锤子、螺丝刀和扳手的工具箱，但没有人写过一本手册来说明在什么情况下该使用哪种工具。
结论：处于起步阶段的领域
作者得出结论，预测多种长期健康状况是一个新兴领域。这是一个充满前景的研究领域，但目前就像一个蹒跚学步的婴儿。
- 有效之处： 我们知道年龄、性别和吸烟是重要的因素（花园里的“大石头”）。
- 缺失之处： 我们还不知道预测这些状况如何混合并共同生长的最佳数学方法。目前的方法要么太简单，要么太复杂，要么测试不足。
底线是：
这篇论文并不是说我们应该停止尝试。相反，它指出我们需要构建更好的工具，进行更严格的测试（比如在真实的道路上测试汽车，而不仅仅是在车库里），并就如何进行预测达成标准。在此之前，我们还没有一个可靠的“水晶球”来预测多种健康状况构成的复杂纠缠。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。