编辑推荐：
本研究针对系统评价中预测模型的预测因子重要性评估问题，提出了一种基于模拟研究和案例分析的新算法，为预测因子的重要性评估提供了科学依据，具有重要的临床和研究意义
在系统评价中，如何准确评估预测模型中预测因子的重要性一直是一个未解决的问题。传统方法主要基于预测因子的出现频率，但这种方法忽略了因子的实际预测价值。为了解决这一问题，北京儿童医院临床流行病学与循证医学中心的研究人员开展了一项研究，提出了一种新的算法，通过模拟研究和急性肾损伤（AKI）预测模型的案例分析，验证了该算法的可行性和可靠性。研究结果表明，基于加权平均的归一化重要性排名是评估预测因子重要性的最佳方法，该方法不仅提高了评估的准确性，还增强了结果的可解释性。这一成果为系统评价中预测模型的预测因子重要性评估提供了新的思路和工具，具有重要的临床和研究意义。该论文发表在《BMC Medical Research Methodology》上。
在研究中，研究人员采用了统计模拟和系统评价相结合的方法。首先，通过模拟实验比较了不同合成方法对预测因子重要性评估的影响，包括是否对重要性指标的原始值或排名进行合成、是否对排名进行归一化处理、如何处理缺失值以及是否根据样本量对重要性指标进行加权等。接着，以急性肾损伤（AKI）预测模型为例，通过系统评价验证了该方法的可行性。研究中使用的样本队列来源于多个数据库，涵盖了2010年至2022年间的相关文献。
研究背景
系统评价（Systematic Review, SR）是获取高质量证据的重要方法，广泛应用于医学决策支持。然而，在预测模型的系统评价中，如何准确评估预测因子的重要性一直是一个挑战。传统的频率评估方法无法准确反映预测因子的实际预测价值，尤其是在机器学习模型中，预测因子的重要性通常以信息增益、特征重要性评分等形式呈现，难以通过传统方法进行定量合成。因此，开发一种新的评估算法显得尤为重要。
研究方法
研究人员设计了一系列模拟实验，假设在系统评价中筛选出30个预测模型，每个模型包含5到100个预测因子，所有预测因子形成一个包含300个变量的变量池。通过模拟实验，研究人员比较了不同合成方法的结果，并选择了最佳方法。随后，以急性肾损伤（AKI）预测模型为例，进行了系统评价，验证了该方法的可行性和可靠性。
研究结果
通过模拟实验，研究人员发现，对重要性排名进行归一化处理后，采用加权平均的方法能够获得最准确的评估结果。在急性肾损伤预测模型的系统评价中，研究人员发现，尽管一些变量（如血清肌酐SCr、血尿素氮BUN）被频繁用于建模，但其实际预测价值有限。相反，一些高重要性的变量（如心血管手术、休克）却被低估。此外，通过问卷调查验证了该方法的可靠性，结果显示，该方法得出的预测因子重要性排名与临床专家的意见高度一致。
研究结论与讨论
本研究提出了一种新的预测因子重要性评估方法，通过模拟研究和案例分析验证了其可行性和可靠性。研究结果表明，基于加权平均的归一化重要性排名是评估预测因子重要性的最佳方法。该方法不仅提高了评估的准确性，还增强了结果的可解释性。这一成果为系统评价中预测模型的预测因子重要性评估提供了新的思路和工具，具有重要的临床和研究意义。未来的研究可以在此基础上进一步优化评估方法，并应用于更多疾病的预测模型中。
