《Diagnostic and Prognostic Research》：The problem of continuous endpoints for clinical decision making: a decision curve analysis approach
编辑推荐：
背景：决策曲线分析（Decision Curve Analysis, DCA）与净获益（Net Benefit, NB）是评估预测模型临床效用的广泛使用工具。传统DCA适用于具有二元终点（如活检中癌症存在与否）的模型。然而，部分临床预测模型具有连续终点，例如预
背景：决策曲线分析（Decision Curve Analysis, DCA）与净获益（Net Benefit, NB）是评估预测模型临床效用的广泛使用工具。传统DCA适用于具有二元终点（如活检中癌症存在与否）的模型。然而，部分临床预测模型具有连续终点，例如预期寿命或治疗后疼痛缓解程度。方法：研究人员通过使用连续结局的阈值替代二元结局的阈值概率，将DCA扩展至具有连续终点的预测模型。结果：通过模拟研究及疼痛缓解的案例研究，研究人员证明所提出的方法能够有效对不同模型进行排序并检测校准错误，其效果类似于传统净获益，且不同模型的排序结果完全一致。然而，连续终点的净获益计算假设效用与测量尺度呈线性关系，而该假设并非总是成立。此外，连续终点的决策意义尚不明确。例如，一项要求患者需具有10年预期寿命才有资格接受前列腺癌治疗的决定规则，意味着只有当患者存活10年的概率大于约50%时，才应接受治疗。研究人员质疑，临床医生在实施10年预期寿命规则时，是否愿意治疗一位约有50%概率无法存活足够久以获得获益的患者，或者他们是否在采用外行意义上的“期望”（即“大多数情况下”）。结论：研究人员建议，研究者应将连续预测转换为结局超过临床相关阈值的概率，并且决策者应根据相对误分类成本仔细考虑适当的阈值。
论文解读
一、研究背景与问题
预测模型的评估通常包括区分度、校准度和临床效用三个步骤。决策曲线分析（DCA）已成为评估临床效用的主要方法，并被广泛推荐用于期刊社论、报告指南以及机器学习模型的性能评估。传统DCA最初针对二元终点模型开发，随后扩展至生存时间模型，但后者本质上仍需指定一个时间点并将其转化为二元结局（如死亡或存活）。然而，临床预测模型中还存在一类具有连续终点的模型，例如预测预期寿命、治疗后疼痛评分变化等。尽管这类模型相对少见，但并非罕见。对于此类模型，传统的DCA无法直接应用，因为其核心参数是阈值概率，而连续终点缺乏明确的二元分类基础。因此，需要扩展DCA框架，使其适用于连续终点的临床效用评估。
二、研究目的与研究方法概述
为填补上述方法学空白，研究人员提出将连续终点模型纳入DCA框架的扩展方法。其核心思想是以连续结局的临床相关阈值替代二元结局的阈值概率，从而计算连续净获益（continuous Net Benefit, NB）。研究人员首先对连续终点预测模型进行了分类，识别出三种类型：第一种为预测间接生理参数（如估算肾小球滤过率eGFR）的模型，此类模型作为后续临床决策或模型的输入，不宜直接进行决策分析；第二种为直接预测具有医学相关性的连续终点（如预期寿命）的模型；第三种为预测治疗相关变化（如疼痛缓解程度）的模型。后两类模型适合进行决策分析评估。
研究人员随后建立了连续NB的理论公式，假设疾病和治疗的不良效用（disutility）可置于同一尺度上。对于个体患者，当预测的治疗获益（即未治疗与治疗状态下的疾病不良效用之差）超过治疗本身的不良效用（即阈值T）时，推荐治疗。连续NB定义为所有被推荐治疗患者中（预测获益减去阈值T）的平均值。若终点为获益（如疼痛缓解），则可通过效用（utility）形式等价表达。此外，研究人员还给出了传统二元NB的公式，以便对比。
为评估所提出方法的性能，研究人员开展了三项实证研究。第一项为基于正态分布数据的模拟研究，模拟了1百万例接受疼痛治疗的患者，基线疼痛评分平均60分，治疗后一年平均下降10%（即6分）。基于年龄、生活质量、合并症和性别四个预测变量，构建了四个预测模型：全模型（Model 1）、有限模型（Model 2，仅含年龄和合并症）、低度失校准模型（Model 3）和高度失校准模型（Model 4）。同时将问题转化为二元任务（疼痛缓解是否超过6分），通过累积分布函数计算概率，比较连续NB与传统二元NB。第二项为高度偏态数据的模拟研究，模拟了1百万例患者，结局为生存月数（服从对数正态分布，右偏），设定临床决策阈值为存活6个月以上，比较线性回归（将连续预测转化为超过阈值的概率）与逻辑回归（直接预测二分类结局）两种策略的临床效用。第三项为真实案例研究，使用公开发表的针灸治疗慢性头痛数据，预测基线至一年随访的头痛评分变化。研究人员构建了四个模型：全模型（基于基线疼痛、年龄和健康状况评分）、有限模型（仅基线疼痛）、过度预测模型（高估疗效）和不足预测模型（低估疗效），并与二元问题（疼痛缓解是否大于5分）的结果进行比较。
三、主要研究结果
1. 模拟研究（正态数据）
校准图显示，在全模型和有限模型下，连续和二元框架下均平均校准良好；低度失校准模型低估疼痛缓解，高度失校准模型高估疼痛缓解。决策曲线显示，全模型具有最高的连续NB；有限模型优于默认策略但略逊于全模型。低估模型在低阈值时NB劣于“全部治疗”策略，而高估模型在高阈值时NB劣于“不治疗”策略。这些行为与传统二元DCA一致，但失校准影响在连续NB中有所减弱，原因是连续NB假设线性关系，小幅预测变化不会改变效用；而二元NB中，接近阈值的微小概率差异可能完全改变分类结果。
2. 模拟研究（高度偏态数据）
在高度偏态的对数正态结局模拟中，逻辑回归模型在阈值概率约0.35至0.85范围内始终高于线性模型，且两种策略在该范围内均优于默认策略。线性模型因违反正态性假设而导致校准误差，进而降低了净获益。
3. 案例研究（针灸疼痛缓解）
连续NB决策曲线与传统二元NB决策曲线结果相似。以疼痛缓解大于5分为治疗阈值，使用全模型时，连续NB为2.86，而“全部治疗”策略为1.48，意味着使用模型相当于治疗所有患者并额外获得1.38分的疼痛缓解，或者在不降低总体疼痛缓解效果的前提下减少28%的治疗。相应地，在50%阈值概率下，二元NB为0.163（全模型）对0.076（全部治疗），相当于在相同响应人数的前提下，绝对减少8.7%的治疗人数。
四、讨论与结论
研究讨论部分重点分析了线性假设的有效性。连续NB公式将治疗获益（疾病不良效用的减少）减去治疗阈值，这隐含假设效用与测量尺度线性相关。在某些情形下该假设合理（如患者愿意为3分疼痛缓解接受治疗，则可能愿意为6分缓解接受两轮治疗），但在许多临床场景中不成立。例如，前列腺癌患者预期寿命阈值10年，不能认为20年预期寿命的患者获益是前者的两倍；晚期癌症患者从6周转入临终关怀的获益也不等于3周患者的两倍。此外，即使获益与预测终点处于同一尺度，线性假设也可能失效，例如疼痛评分从9降至6与从3降至0，虽然都是3分改变，但后者对患者效用的改善可能远大于前者。
作为替代方案，研究人员提出将连续预测通过累积分布函数转换为超过临床相关阈值的概率。例如，预期寿命预测可转化为存活超过10年的概率。这种方法的优势在于使决策基础更加明确。然而，一个连续尺度上的要求（如预期寿命至少10年）通常对应于约50%的存活概率，但临床医生使用“预期”一词时，可能并非采用统计学意义上的均值（约50%概率），而是外行意义上的“大多数情况下”。例如，医疗保险临终关怀资格要求预后不足6个月，若患者有50%概率存活超过6个月，福利机构可能不会批准该资格。对于高度偏态的结局，累积分布函数转换会失效，此时建议在临床阈值处对结局进行二分化，并拟合逻辑回归模型，该模型对离群值和正态性违反更稳健。但逻辑回归的局限在于只能估计单一阈值的概率，若模型需在不同临床实践环境中使用，连续模型允许研究者自行设定阈值则更灵活。
模拟研究实证确认了线性假设的局限：正态分布近似时，连续方法能够正确排序模型并提供准确概率；而面对严重右偏数据时，在临床阈值处二分化并拟合逻辑回归可获得更优且更稳定的净获益。另一方面，连续方法在理论上能更合理地加权误分类：例如，两个预测有显著获益但实际无改善的患者，与仅略低于阈值的患者，其误分类危害在连续模型中不同，而二元模型视为相等。不过，由于预测分布通常接近正态，这一差异在实践中影响有限。重要的是，在模拟研究中，连续NB与传统二元NB对模型的排序结果完全一致。
综上，研究人员认为连续NB的理论推导相对直接，其主要优势在于适当加权误分类，但依赖效用与终点间线性关系的假设。当结局和效用处于同一尺度时该假设或可成立，但许多临床场景并不满足。因此，研究人员建议：若连续结局非高度偏态且决策阈值未明确定义，研究者应通过累积分布函数将连续结局转换为超过临床相关阈值的概率；若决策阈值适用于模型的所有预期用途，则可采用逻辑回归模型对二分化结局进行预测。这一转换有助于澄清决策中的概率含义，并借助传统NB框架解决线性假设问题，从而更贴近临床实践中必须做出二元决策的实际需求。
