Temporally non-local harmonisation and cardiovascular model transport between England and China: a measurement-methods study

在公共卫生领域，研究人员经常试图构建一张单一的风险图谱，以指导不同地区的医生。他们收集来自大规模人群、跨越多年的数据，追踪哪些人患上了心脏病，哪些人没有。其目标是创建一个通用的预测工具，能够告诉一个国家的医生，一名患者基于其年龄、吸烟习惯和既往病史，发生心脏病的可能性有多大。然而，这些工具依赖于人们对自己过往健康状况的叙述。当研究人员试图整合来自不同国家或不同时期的数据时，一个主要的挑战便出现了。有时，一个人的病史会在多次访谈之间发生变化。多年后报告的一项诊断可能会被用来重写研究开始时关于其健康的已知情况。这产生了一个问题：如果故事的起点发生了变化，那么预测工具的整个进程也会随之偏移，可能导致对谁处于风险之中以及该工具效果如何得出不同的结论。

两项大型研究——一项追踪了英国的老年人，另一项追踪了与之类似的中国群体——提供了一个独特的契机，可以测试这些变化的病史如何影响医学预测。来自伦敦大学学院和中国一家医院的研究人员决定调查，记录病史的方式是否会改变这些模型在不同国家间迁移时的可靠性。他们关注了一个特定的问题：即“释放型”病史（包含分析时可获得的所有信息）与“时间锚定型”病史（重建了在每次访谈那一刻患者及研究人员实际掌握的信息，忽略了后来的修正）之间的差异。通过对比这两个版本的病史，他们想要观察修复数据的时间线是否能提高预测的准确性，或者是否仅仅改变了所研究的人群构成。

研究人员提取了这两个国家的数据，并为每位参与者构建了两个版本的健康史。在第一个版本中，他们使用了标准数据文件，这些文件通常会将后续访谈中报告的诊断纳入其中，以更新早期的记录。在第二个版本中，他们剥离了这些后来的更新，将病史锁定在每次访谈时所掌握的信息。随后，他们测试了一个在中国建立的模型在预测英国心脏病方面的表现，反之亦然，并使用了这两个版本的病史进行测试。结果显示，改变数据的时间线产生了真实且可衡量的影响。在中国的研究中，近 9% 的参与者在修正时间线后其心脏病状态发生了变化。在英国的研究中，这一比例约为 4.5%。更重要的是，在“健康”组中进出的人数总数明显更高，中国组中有超过 10% 的人，而英国组中有近 6% 的人发生了状态转变。这意味着，尽管参与者的总数看起来相似，但在这两个版本中被研究的人群并非同一批人。

当研究人员测试预测模型时，他们发现修正时间线并不能让模型普遍变得更好。在从中国到英国的方向上，模型的排序能力略有提升，这意味着它在识别谁更有可能生病方面做得更好。然而，模型在预测实际发病概率方面并没有变得更好。在相反的方向，即从英国到中国，模型的排序能力有所提高，但预测实际风险的误差却显著增加了。无论是否修正了时间线，模型在针对“英转中”组别时仍然存在低估风险的问题。研究人员发现，排序能力的提升并不是因为模型学习到了更好的风险因素运作规则。相反，这种提升是因为时间线的修正改变了进入研究的人群。通过移除那些病史被修正的人，研究人员改变了样本的组成，从而改变了结果。

研究还观察了这些变化是否对男性和女性产生不同的影响，或者是否更多地适用于心脏病而非中风。数据显示，没有证据表明时间线修正的效果取决于性别。虽然中国研究中的女性比男性更容易被修正病史，但对预测模型的影响在两组之间是相同的。同样，虽然心脏病的病史比中风的病史更容易被修正，但这种差异并未导致模型表现出现不同。核心发现保持一致：修正时间线的行为改变了被分析的人群，而这种人群的变化才是导致模型表现发生偏移的原因。

最终，这项研究表明，仅仅清理医疗病史的时间线并不是解决跨国预测工具问题的“灵丹妙药”。虽然了解每次访谈时确切掌握了什么信息是非常重要的，但这并不意味着开发于一个国家的模型会自动在另一个国家完美运行。该研究强调，进入研究的人群与用于预测未来的规则同样重要。当时间线被调整时，人群的构成发生了变化，而这种变化驱动了结果的变化，其影响力超过了预测规则本身的改进。对于医生和研究人员而言，这意味着在将一个国家的预测模型应用于另一个国家之前，他们不仅要了解患者的医疗历史，还必须了解数据的收集方式以及人群是如何被筛选出来的。研究结论指出，虽然时间锚定有助于澄清事件发生的顺序，但它并不能解决跨不同人群转移风险预测的深层问题，仍需更多工作来理解如何使这些工具真正实现普适可靠。