今天给大家解读CHARLS数据库Lasso回归+XGBoost模型+模型评估+SHAP分析的分析框架和发文思路。
套路总结：
筛选变量（特征选择）：Lasso回归
建立预测模型：XGBoost模型（可以选择的预测模型不局限于该XGBoost模型，还有很多其他的预测模型如支持向量机、随机森林、增强回归树等）
评估模型的性能：ROC曲线+校准曲线
评估模型的应用价值：临床决策分析+影响曲线分析
解释变量重要性：SHAP分析
案例文章：
文章亮点：
-
多因素建模：研究利用多维度的变量建立起预测模型，综合考虑了生物医学因素（如慢性疾病、身体机能指标）、行为因素（如运动、饮食、吸烟饮酒习惯）、社会经济因素（如收入、教育程度、居住环境、家庭支持等），能够更精准地建立预测模型；
-
多维方法变量精准评估：参数选择研究在选择参数中不仅仅利用了常规的Lasso回归和十折交叉验证的方法，还利用了消融实验进一步评估了选择的变量；
-
多种统计分析方法验证结果：研究在不仅利用ROC曲线和校准曲线分析了预测模型的性能还通过临床决策分析和影响曲线评估了模型的临床价值，使得研究结果更准确可信，且更具有临床意义。
-
开发网站达到临床价值：基于所构建的纵向模型，能够针对不同个体的特征和风险轨迹，开发动态预测网站，帮助临床医生制定个性化的残疾预防和干预策略。
文章解读：
Lasso回归结果
通过Lasso回归评估了与老年人残疾密切相关的36个潜在预测因子，结果发现了9个非零系数的预测因子，包括年龄、握力、站立平衡、CS-5、疼痛、抑郁、认知、呼吸功能和合并症计数。
消融实验的结果（对数损失被用作评估模型性能的主要指标，值越低表示预测准确性越高）
通过消融实验进一步评估了去除特定肌肉减少症和虚弱相关特征（握力、CS-5和站立平衡）对模型性能的影响。结果显示，分别去除其中之一的特征时均会增加对数损失，当同时去除所有3个特征时，观察到的增加最为显著，表明包括肌肉减少症相关参数是维持模型预测准确性的关键因素。
ROC曲线+校准曲线结果
通过绘制ROC曲线来评估建立预测模型的性能。结果显示，在训练集中（图A），预测模型的AUC为0.846（95% CI 0.825-0.866），表明具有良好的辨别力。在测试集中（图B），预测模型的AUC为0.698（95% CI 0.654-0.743），反映出中等预测准确性。另一方面，研究还利用训练集和测试集的校准曲线评估了模型的预测准确性。结果显示，训练集（图C）的平均绝对误差为0.001，表明精度很高，而测试集（图D）的平均绝对误差为0.011。并且图中显示两条曲线都非常接近理想线，证实了该模型对残疾风险的可靠预测。
临床决策分析+影响曲线
临床决策分析证明了所建立的预测模型在预测不同风险阈值的残疾方面的有效性。在训练集和测试集（图A、B）中，均表明使用的XGBoost模型能够为识别高危患者提供净收益，并且通过绘制影响曲线得到“高风险数量”的曲线（图C、D），发现其随着阈值的增加而急剧下降，表明在更严格的标准下被归类为高风险的个体较少，进一步证实了该模型在独立数据集中的稳健性和临床适用性。
SHAP分析
首先利用SHAP值对影响预测模型的关键因素进行了重要性评分（图A），结果显示疼痛的平均SHAP值最高，其次是呼吸功能和年龄，表明其对残疾预测的总体影响较强。紧接着分析和解释了不同变量的分布情况（图B），结果显示疼痛、呼吸功能和年龄表现出最广泛的范围，表明它们的影响是动态的和个体化的。最后通过SHAP值的汇总图（图C）和依赖图（图D）确定了每个预测变量的影响情况和对个体患者造成的个体化影响情况，结果显示疼痛、年龄和呼吸功能对预测的残疾风险具有最实质性和最广泛的影响，为模型在宏观和微观层面的决策过程提供了有意义的理论支撑，帮助建立了如下图所示的网络计算器，帮助临床医生通过输入患者特定数据来估计老年人群5年的残疾概率，从而有助于做出针对性的临床决策。
文章总结：
为建立起能够准确预测老年人群残疾发生率的模型，并评估其预测性能和临床价值。研究首先利用Lasso回归和消融实验为预测模型选择了合适的特征变量，包括年龄、握力、站立平衡、CS-5、疼痛、抑郁、认知、呼吸功能和合并症计数，其中握力、CS-5和站立平衡是最关键的三个变量，接着通过上述选择的变量利用XGBoost模型建立了预测模型，并通过ROC曲线、校准曲线、临床决策分析及影响曲线分析发现了模型的具有良好的预测性能和净收益的临床价值，最后通过SHAP分析发现疼痛、年龄和呼吸功能对预测的残疾风险具有最实质性和最广泛的影响。该研究通过预测模型的建立和评估为开发能准确预测老年人群的计算器提供理论依据，有助于临床医生做出针对性的临床决策。
评论列表