项目描述:
甲状腺结节的发病率在世界各地逐年增加,任何升高 TSH 的药物都会刺激结节的形成。在碘缺乏的地区的甲状腺结节发病率很高。
目前有腔镜甲状腺切除术后的并发症相关报道,如声音嘶哑,吞咽困难,血清肿等,并有对其术后并发症的独立因素进行了筛选,但极少有关于经胸乳入路腔镜甲状腺切除术后并发症的风险模型建立的论文。我们很多人都关注哪些危险因素对某一并发症有影响,但实际上这些因素与结局事件的关系到底是什么样的,某一术后并发症的在哪个时间段发生却很少有人关注。为了准确的预测结局,将筛选出来的独立因素进行整合,通过建立可视化的图形,预测甲状腺结节患者经胸乳入路腔镜甲状腺术后并发症的风险比例,对预测腔镜操作系统显示了良好的准确性。除去不可控的因素外,医护人员可对其可控因素加强管理,对病人治疗方案提供指导下意见,也是对腔镜下手术操作的优化提供了方向,从而有效降低腔镜下甲状腺切除术后的相关并发症的发生率。
临床预测模型是指利用多因素模型估算患有某病的概率或者将来某结局发生的概率。临床预测模型包括诊断模型和预后模型。诊断模型关注的是基于研究对象的临床症状和特征,诊断当前患有某种疾病的概率,多见于横断面研究;预后模型关注的是在当下的疾病状态下,未来某段时间内疾病复发、死亡,伤残以及出现并发症的概率,多见于队列研究。研究的效应指标均为结局出现的绝对风险,即发生的概率,而非相对危险度(RR)、比值比(OR)或者风险比(HR)等相对风险效应指标。
创建一个预测模型,第一是准备工作:1.确立研究问题,2.选择数据来源,3.数据的预处理;第二是统计分析:1.模型的选择,2.单因素分析和预测变量的转换,3.多因素分析和预测变量的筛选,4.拟合模型/校准模型, 5.评估模型表现(模型验证);第三是成功展示:1.呈现预测模型,2.报告研究结果。预测建模的方法有很多,传统的方法包括回归分析,如线性回归、多项式回归、Logistic回归等;惩罚模型,如岭回归、Lasso回归等。它是一个在生存分析中的一个重要的模型。而基于机器学习的建模方法,比如神经网络、支持向量机(SVM)、决策树、随机森林、提升树等方法无一例外为数据分析人员提供了诸多选择。传统的模型绝大多数都是线性模型,无法直接处理非线性。传统的模型比如说像线性回归,Logistic回归等,一般只追求偏差小,但是像Lasso回归、弹性网络等方法就不仅仅是追求偏差小,还要追求方差小,可以在二者之间找一个均衡,所以这些方法现在往往非常流行,因为它更兼顾了偏差和方差的均衡。
借助临床预测模型,医生和病人可以更好的做出共同决策,临床研究者可以更精准的筛选合适的研究对象,预后模型可对疾病的复发、死亡,伤残以及出现并发症的概率给出量化的估算,从而指导对症治疗和康复方案的制定,防止伤残和促进功能恢复,提高生存质量,延长寿命,降低病死率。