评论：关于肌少症指数预测慢性阻塞性肺疾病急性加重风险模型的几点质疑与建议

《Chronic Respiratory Disease》：Methodological considerations regarding the prediction horizon and the incremental value of the sarcopenia index in a machine learning model for AECOPD

　　

致编辑：

我们怀着极大的兴趣阅读了Zhang等人开展的研究，该研究开发了一种可解释的机器学习模型，将肌少症指数与传统危险因素相结合，以估计慢性阻塞性肺疾病急性加重（AECOPD）的风险。¹ 作者因同时报告了内部验证及测试集的性能表现，并明确指出该模型需要外部验证，值得我们肯定。然而，我们认为在将该模型用于指导临床决策之前，有两点需要进一步阐明。

第一，预测概率缺乏明确的时间窗口定义。该研究的结局仅被描述为"AECOPD的发生"，尽管纳入标准中提到了"一年内"的随访访视，但急性加重事件被计为结局事件的时间间隔并未说明；由于预测模型的输出是特定时间段内事件发生的概率，该时间间隔决定了结果应如何解读。与之相关的问题涉及因AECOPD住院期间纳入的患者：作者指出基线加重事件不计入其"过去一年"的病史，但若能阐明这些患者的结局事件是如何处理的——即是否被计入，以及时间零点是如何定义的——将非常有帮助。

第二，我们认为对肌少症指数具有增量价值的论断应谨慎看待。包含该指数的完整XGBoost模型与"排除了"该指数的基线逻辑回归模型进行了比较；由于预测变量集合和算法均发生了变化，性能的改善无法归因于肌少症指数本身。净重分类改善指数和综合判别改善指数（NRI = 0.213；IDI = 0.037）已知会通过高估新标志物的增量价值而产生误导，即使在独立验证数据中也是如此。² 此外，IDI是预测概率的平均变化量，不具有直接的临床意义。文章也未说明这些指标是在训练集还是测试集中计算的，使用了哪种NRI计算公式及阈值，以及其置信区间；由于当模型与统计量由相同数据推导时NRI和IDI会存在膨胀现象，² 所使用的数据集决定了该估计值能否支持存在额外预后信息的论断。此外，使用连续值而非二分类值进行的敏感性分析也未提供不含该指数的比较组。若能在同一算法下比较有与无肌少症指数的情况，并报告判别能力的变化、校准表现及重分类表格，将更有说服力地支持该论断。³

我们感谢作者清晰呈现的研究，并认同将肌少症指数纳入可解释模型是一个有价值的目标。明确预测时间窗口并在同等条件下比较算法，将显著增强该研究的说服力。

伦理考量

本函是对已发表研究的评论。本函不涉及人类参与者、人类数据或人类组织，因此无需伦理审批或知情同意。

ORCID标识

潘承宇 https://orcid.org/0009-0001-9871-1155