相关实验视频
Updated: May 17, 2025
05:37
An R-Based Landscape Validation of a Competing Risk Model
Published on: September 16, 2022
2.0K
在英国生物库中开发和验证骨质疏松风险的诺莫格拉姆预测模型:一个国家前性队列
Xinning Tong1, Shuangnan Cui1,2, Huiyong Shen1,3,4
1Department of Orthopaedics, The Eighth Affiliated Hospital, Sun Yat-Sen University, 3025 Shennan Road, Shenzhen, 518033, China.
BMC public health
|April 4, 2025
概括
一种新的诺莫格拉姆模型使用骨密度,生活方式和临床因素准确预测骨质疏松风险. 该工具有助于识别高风险个体,可能减少人口.
科学领域:
- 老年学是一门学科.
- 流行病学 流行病学
- 生物统计学 生物统计学
背景情况:
- 骨质疏松症是一种广泛的疾病,导致脆弱性增加.
- 预测模型对于早期识别和预防骨质疏松症至关重要.
研究的目的:
- 开发一个骨质疏松症风险的诺莫格拉姆预测模型.
- 利用骨矿物质密度,生活方式和临床因素进行多时间点预测.
主要方法:
- 分析了来自英国生物库 (2014-2022) 的队列.
- 在再平衡后开发了一个LASSO Cox回归名录模型.
- 用卡普兰-梅尔曲线,c指数,时间依赖的AUC,校准曲线和决策曲线分析 (DCA) 来评估模型性能.
主要成果:
- 确定了骨质疏松症的主要危险因素:晚年,体重不足,更年期,握力低,骨密度低,先前的骨折和慢性疾病.
- 命名图显示了风险级别之间的显著歧视.
- 高模型性能:c指数为0.844 (培训) 和0.823 (验证),具有良好的区分,适合性和临床实用性.
结论:
- 开发的诺莫格拉姆模型准确量化了五年骨质疏松风险.
- 它有效地识别高风险个体,可能减轻人口的骨质疏松症负担.
