临床预测模型会根据患者的年龄、性别、生物标志物等预测变量来估计患者发生某种疾病(诊断模型)或未来出现某一结局(预后模型)的风险。

Bonnett及其同事提出了临床预测模型展示形式的指南，以便其在临床实践中使用。

本文描述了四种展示临床预测模型的形式，并讨论了每一种形式的优缺点。

目  录

• 4. nomogram图
  • 4.1 描述
  • 4.2 怎么构建列线图？
  • 4.3 优点和缺点
  • 4.4 应用
• 5. 网页计算器和手机APP
  • 5.1 描述
  • 5.2 怎么开发网页计算器或APP？
  • 5.3 优点和缺点
  • 5.4 应用
• 6. 结论
• End

4. nomogram图

4.1 描述

诺莫图，又叫列线图，是临床预测模型的另一种图形表示方式(图2)。跟评分系统一样，也是基于个体预测变量的数值来计算得分，然后根据得分计算某事件或生存概率的风险。

4.2 怎么构建列线图？

构建列线图的步骤如下：

1. 对于模型中的每一个预测变量，通过将预测变量的回归系数乘以数据集中该预测变量的极差(最大值和最小值的差)，来计算推导模型中预测变量的最大变化，通过计算的变化来对预测变量进行排序。
2. 每一个预测变量的得分最多为100分。首先将步骤1中计算的变化最大的预测变量分配100分，这个预测变量叫做预测变量A。然后分别计算其他预测变量的得分，计算公式为=100*(其他预测变量的最大变化/预测变量A的最大变化)。
3. 根据所有可能的预测变量组合来计算总分的最小值和最大值，然后将预测模型的总得分投影到到概率尺上。

可以使用R(rms包)以及Stata(logistic回归使用nomolog，Cox回归使用nomocox)来绘制诺莫图。

4.3 优点和缺点

与其他的展示方式相比，列线图的主要优点是不需要将连续变量转变为分类变量，并且可以基于总得分合并多个概率尺度，来将多个感兴趣的时间点包含在一个列线图中。

另外，可以通过列线图中的线条长度来判断预测变量的相对重要性。对于复杂的模型，如包含时间依赖性预测变量的模型，也可以使用列线图来展示。列线图使用起来很容易，特别是当模型中仅包含少量预测变量时。

列线图第一眼看上去可能显得较复杂，并且需要解释如何使用列线图，这一点在TRIPOD声明中也着重说明了。

此外，如果出版论文中列线图的大小和分辨率较差的话，计算出来的风险概率可能不准确。模型中包含的预测变量越多，列线图的解释难度就越大。

4.4 应用

图2显示了原发性胆汁性肝硬化患者的列线图，为了计算某一时间点的生存概率，使用者可以通过每个预测变量的值对应的顶部得分来计算患者的总得分，然后通过总得分来读取对应的风险或生存概率。

从图2可以看出，患者年龄为55岁(24分)，肝硬化(42分)，白蛋白34.4g/gl(65分)，中央胆汁淤积(62分)，使用硫唑嘌呤治疗(0分)，总得分为193分。这对应的1年和3年死亡概率分别为40%和85%，这个结果和直接从原始完整预测模型中计算出来的生存概率(44%和89%)差不多。

治疗预测变量中安慰剂治疗编码为1，硫唑嘌呤治疗编码为0。

5. 网页计算器和手机APP

5.1 描述

越来越多的预测模型可以通过网页计算器、平板电脑或智能手机的APP来计算评估风险，这些计算器或者APP通常是交互式的图形应用界面，可以根据预测模型提供个性化的风险估计，风险估计值需要使用者输入患者预测变量的值来计算。

5.2 怎么开发网页计算器或APP？

网页计算器的开发需要搭建平台或内容管理系统，还需要一个域名和虚拟主机。目前已经开发了各种各样的网页计算器。网页计算器和APP除了可以供住院医师和普通患者使用外，世界各地对这个感兴趣的人都可以使用。

这些网页计算器或APP也可以设计成在特定情况下使用，比如要求用户注册、登录添加用户详细信息。

网页计算器的网站上需要明确说明预测模型的使用人群，并且应该清楚的描述怎么去使用这个模型。还应该提供预测模型开发、后续验证以及可能的临床影响评估的参考信息。

开发人员应仔细检查网页计算器或者APP，确保预测概率与原始预测模型的预测概率相符。

对于包含连续变量的预测模型。应该限制输入超出范围的数值，这个范围指的是开发数据集中连续变量的数值范围，如果没有限制输入，至少也要向使用者发出警告信息。

5.3 优点和缺点

使用网页计算器或APP的一个主要优点就是，完整的模型方程式可以嵌入到后台网页中，不是计算的近似值，并且使用起来也很简单。

网页计算器或APP可以为复杂的统计模型(如包括大量预测变量、非线性项和交互作用)提供用户友好度很高的图形界面。

另外，许多数据的输入可以自动化。一般情况下，患者的年龄和性别可能已经记录在了医疗中心的计算机系统中，可以在电子健康记录系统中使用预测模型，向临床医生实时反馈信息，尽管部分缺失值或异常值的存在会使预测模型的准确度有所下降。

网页计算器和APP还应在实验室结果和人体测量学结果的单位之间进行轻松切换，提高易用性。

因为每一个人都可以创建网页计算器和APP，因此目前不能确保开发的原始预测模型是可以使用的，也不能保证预测模型已经对访问网站的相关人群进行了验证。此外，这种公共访问网站可能存在过度使用或者不适合该模型的人也会访问。

另外在访问网页计算器或APP时，用户的数据隐私和存储也是一个问题，如果网页计算器或APP需要收集使用者的数据，那么这个问题需要在网页计算器或APP上面明确说明。

最后，预测模型可能会随着时间的推移而更新，用来反应潜在人口特征的变化，因此网页计算器或APP的设置也要相应修改，需要记录模型更新的原因，并在网站或APP上清楚说明。

5.4 应用

网页计算器的一个例子就是新西兰的“您的心脏预测”工具，这个工具提供了图形设计，可以将患者预测的心血管疾病风险与相同年龄的健康人群的风险进行比较。考虑到患者可能不容易理解这个风险的含义，该模型还提供了心脏年龄的图形化描述以及未来预测。

其他例子包括GRACE(用于急性冠脉事件)、ASCVS Plus(用于动脉粥样硬化性心血管疾病)和Predict(用于乳腺癌)。UK-PBC和GLOBE是两个原发性胆汁性肝硬化的网页计算器示例，但与本文的示例相比，它们的预测变量不同。

6. 结论

当临床预测模型经过验证可以在临床中使用时，预测模型的展示形式是一个重要的考虑因素。

清晰明确的展示预测模型是确保其他研究人员可以独立验证模型的基础，并且也可以确保临床医师和其他人员在医疗领域中使用该模型。

除了提供完整的模型方程式(必不可少)外，还有很多形式可以展示模型以帮助其在临床中使用，如评分系统、列线图、网页计算器和APP。

如果需要以简化的方式来展示模型(如将连续变量转为分类变量)，在用于临床实践之前，这个简化的模型应该经过与完整模型相同的验证。

最好的预测模型展示形式应该根据使用者和临床环境而异。鉴于这个原因，最好通过利益相关者(包括医师和患者)的参与来确定最佳的展示形式。

对于使用高级技术如机器学习等开发的模型，也需要类似的指南。