Title: Development and validation of a prognostic nomogram for HIV/AIDSpatients who underwent antiretroviral therapy: Data from a Chinapopulation-based cohort
標(biāo)題：建立和驗證接受抗逆轉(zhuǎn)錄病毒治療的AIDs患者預(yù)后的nomogram:來自中國以人群為基礎(chǔ)的隊列的數(shù)據(jù)
分析流程
病例納入→建立Nomogram→危險因素分層
1.納入患者
這是一項回顧性研究，作者納入的是溫州CDC過去12年里接受ART治療的AIDs患者，定義終點事件為患者死亡。用這種方法共發(fā)現(xiàn)150名死亡患者，根據(jù)傾向性匹配評分（Propensity Score Match，PSM）原則，按1:4的比例納入600名未死亡的接受ART治療的AIDs患者。將750名患者按照7:3的比例分為訓(xùn)練集和測試集。
對于兩組間指標(biāo)的比較：對正態(tài)分布指標(biāo)使用student t-tests，對偏態(tài)分布指標(biāo)使用Mann–Whitney U tests，對分類變量使用chi-square or Fisher’s exact tests。數(shù)據(jù)分布(正態(tài)or偏態(tài))的檢驗用的是Kolmogorov-Smirnov test。Kruskal-Wallis test用于多個連續(xù)獨立樣本的比較(比如說三組病人間)
tips1：
對于缺失值，作者采用了多重填補(bǔ)(Multiple Imputation, MI)的方法進(jìn)行插入，并評價缺失值填補(bǔ)的敏感性(sensitivity analysis )，結(jié)果在table S1中。評價敏感性是如何做的？
tips2：
PSM主要體現(xiàn)在回顧性隊列研究中。以下為PSM優(yōu)缺點：
優(yōu)點：
《臨床預(yù)測模型（Nomogram）第6篇：柳葉刀子刊重磅發(fā)表》
缺點：
《傾向性匹配得分分析(PSM)是一種不太靠譜的方法》
2.建立Nomogram
2.1篩選變量
在篩選變量時，作者分別對每個指標(biāo)進(jìn)行了單變量分析以及綜合的多變量分析。在這里作者將單因素中P<0.2的指標(biāo)納入多因素。原因如下：
將單因素中P<0.2的指標(biāo)納入多因素Cox回歸，確定了CD4, VL(病毒載量), HB(血紅蛋白), GLU(空腹血糖) 和 CR(肌酐)為獨立預(yù)后因子。此時作者并沒有將5個指標(biāo)全部納入模型，而是根據(jù)Occam's Razor的“如無必要，勿增實體”原理，最后只納入了CD4, VL和HB。具體做法是先比較5個變量的AUC值，發(fā)現(xiàn)：the individual AUCs of GLU, CR, CD4, VL and HB were 0.59, 0.51, 0.84, 0.85 and 0.75, respectively。隨后作者去除AUC較小的GLU和CR，將納入三個的模型和納入五個的全模型進(jìn)行比較，結(jié)果發(fā)現(xiàn)兩者：performed similarly (AUC = 0.94 vs 0.93,χ2 = 3.165, p-value = 0.075).
2.2nomogram畫圖
因此作者選用納入三個變量的模型進(jìn)行nomogram畫圖：
2.3 在測試集中驗證
分別驗證discrimination(c-index和AUC)以及calibration(calibration curves)。
2.4比較nomogram和單個實驗室指標(biāo)
這一步等于就是將三變量和單變量及五變量的AUC比較在測試集中在做一遍。
2.5DCA
在訓(xùn)練集和測試集分別畫DCA曲線：
DCA曲線的意義如下：The DCA curve indicated that a nomogram was feasible to make valuable and profitable judgments. Furthermore, among the three detected factors included in the nomogram, we also observed that VL was more beneficial than the other two routine clinical laboratory indi?cators in the prediction of PLHIV survival.
3.患者危險因素分分層
很多Nomogram文章到上面就沒了，雖然這一的預(yù)測模型比單純的Logistic回歸或Cox回歸公式已經(jīng)實現(xiàn)了可視化，但是臨床應(yīng)用還是差了點。到底算出來之后誰是高危誰是中危誰是低危還是不知道。因此一定要增加這一步。本文利用X-tile軟件將患者分成了高、中和低風(fēng)險組。
結(jié)果如下：
X-tile輸出結(jié)果展示的是train cohort里的：
R輸出展示的是validation cohort里的：
本文不足：
1.實驗室指標(biāo)是動態(tài)變化的，本文僅納入患者基線實驗室指標(biāo)，短期預(yù)測效果較好，長期可能影響模型準(zhǔn)確性。
2.可使用的ARTs治療策略受限(國情影響)。
3.單中心。
感想：
1.就算已有某疾病的nomogram模型，只要我做出的模型效果比他的好，一樣可以發(fā)文章。
2.已有文獻(xiàn)是否表明了納入的這幾個實驗室指標(biāo)和結(jié)局有關(guān)，討論時要寫上去。
