心理健康研究中临床预测模型(Clinical Prediction Models, CPMs)的方法学指导——以产前抑郁为例

《Psychological Medicine》：Methodological guidance on clinical prediction models in mental health research

　　

临床预测模型(Clinical Prediction Models, CPMs)在推进精神障碍的个体化诊疗中发挥关键作用，可为诊断、预后及干预规划提供重要依据。本研究考察当前用于开发此类模型的方法学路径，重点阐述其在精神健康问题（含抑郁症）中的应用，并以一项纳入5372名孕妇的多国观察性研究的产前抑郁数据为例进行说明。研究目标是构建可在孕早期使用的产前抑郁症状个体预后模型。分析过程探讨了变量筛选策略、验证方法学，以及临床专业知识与数据驱动方法的整合。特别关注的是解决人群异质性、过拟合(overfitting)，以及外部验证(external validation)对跨场景泛化(generalizability)的重要性。研究区分了统计回归模型与机器学习(Machine Learning, ML)技术，讨论了二者在可解释性(interpretability)、预测准确度(predictive accuracy)及临床可用性方面的各自优势与局限。本文为研究者与临床医师提供实用指导，聚焦模型开发与实施的关键步骤，强调避免常见误区的最佳实践，倡导跨学科合作，并探讨将高级统计学与机器学习工具整合入临床实践面临的挑战。通过提供方法学指导并回应上述问题，本研究旨在支持开发稳健且具临床相关性的预测模型。

《Psychological Medicine》刊载论文解读：心理健康研究中临床预测模型的方法学指导——以产前抑郁预后模型为例

一、研究背景与立题依据

精神障碍是全球疾病负担的前十大成因，其中抑郁障碍占精神障碍致残调整寿命年(Disability-Adjusted Life Years, DALYs)的最大部分。围产期抑郁(Prenatal Depression, PND)筛查不足，仅约十分之一具临床显著症状的女性获得精神卫生服务。尽管孕早期筛查可降低症状严重度并提高缓解率，但将统计、机器学习(Machine Learning, ML)及人工智能(Artificial Intelligence, AI)技术转化为围产期个性化精神卫生实践仍具挑战。目前多数精神健康临床预测模型研究存在以下问题：缺乏外部验证(external validation)、仅靠内部验证(internal validation)致性能高估、变量选择未兼顾临床可及性、统计回归与机器学习方法优劣界限模糊，以及"黑箱"模型难以融入临床决策。为此，研究人员以围产期抑郁为范例，系统梳理临床预测模型开发、验证及实施中的方法学要点与常见陷阱，并提供实操建议。

二、主要关键技术方法

研究人员采用RISEUP-PPD-COVID-19多国（13国）横断面研究中符合条件的5372名孕妇数据，结局为爱丁堡产后抑郁量表(Edinburgh Postnatal Depression Scale, EPDS，总分0–30)评分，仅保留孕早期临床记录中易获取或早孕期间易采集的15个候选预测变量（社会人口学、产科史、精神病史、近亲疾病史、社会支持感知等），剔除产后才可获得或与预测无关的变量。统计模型采用LASSO（L₁惩罚回归）做自动变量筛选与系数估计，以10折交叉验证调优惩罚参数λ；机器学习方法采用极端梯度提升树(eXtreme Gradient Boosting, XGBoost)并计算特征重要性(feature importance)；可解释性分析采用InterpretML包中的可解释增强机(Explainable Boosting Machine, EBM)给出全局及局部（单一样本）解释。模型评价方面，连续结局用预测均方根误差(Root Mean Squared Error of Prediction, RMSEP)，二分类结局（EPDS≥13为抑郁）用校准图(calibration plot)、区分度指标C统计量(C-statistic)/受试者工作特征曲线下面积(Area Under the receiver operating characteristic Curve, AUC)及布赖尔分数(Brier Score)；验证策略对比了随机拆分、10折交叉验证、时间拆分（2020年11月前后）及地区拆分（西欧+中欧为开发集，南美/以色列/土耳其为外部验证集）。

三、研究结果

文献现状回顾（A literature review of the current state）

研究人员检索2022–2023年PUBMED中精神健康预测模型文献，经PRISMA流程筛选出22篇。发现77%研究使用回归分析，约半数采用数据驱动变量筛选，仅4项研究使用外部数据验证，9项用交叉验证，7项用单一拆分，5项未报告任何独立观测验证——提示现有精神健康预测模型存在过拟合风险及验证不充分问题。

统计预测模型（Statistical prediction models）

研究人员以EPDS为近似连续结局拟合线性LASSO模型，15个候选变量中自动筛选出9个进入最终模型。"精神问题既往史"具最强正向效应（系数≈2.89），"年龄"呈小幅负向效应（年龄每增10岁EPDS预估降约0.3分），其余入选变量方向符合临床预期。LASSO在λ通过交叉验证优化后既完成变量降维又给出可解释的回归系数，适合需公式化嵌入临床记录系统的场景。

机器学习与算法预测（Machine learning and algorithmic predictions）

研究人员用XGBoost对同一组15个变量建模，虽无直接回归系数，但特征重要性排序显示"精神问题既往史"与"母亲年龄"仍为最重要预测因子，未被LASSO选入的变量其重要性也偏低。表明在变量有限情境下，机器学习与经典统计的预测力差异较小，但机器学习牺牲了公式化可解释性。

AI驱动决策支持系统的挑战与机遇（Challenges and opportunities in AI-driven decision support systems）

研究人员将EPDS≥13二分类化，用InterpretML中EBM给出实例级局部解释（local explanation）：未抑郁分类主要贡献因素为高社会支持、无精神病史、产科无并发症；抑郁分类额外出现低教育水平、有伴侣同居等因素贡献；误判为未抑郁者中最强抵消因素为无精神病史及高龄（41岁），其抑郁预估概率仍有0.227，提示临床医生不能仅凭模型截断值忽视边际风险。"玻璃盒(glass-box)"设计可使复杂模型具备临床可接受的可解释性。

数据预处理（Preprocessing data）

有序分类变量（如产检提供者支持感知：不支持/一般支持/很支持）按等级整数编码或以虚拟变量(dummy variable)处理；在线收集数据需核查出生日期组合排查重复提交并剔除不合纳入标准者。

缺失数据（Missing data）

若缺失与结局潜在相关（如脱落与症状改善有关）属非随机缺失(missing not at random, MNAR)，不宜简单剔除——可将缺失指示作为单独类别纳入或建立插补(imputation)模型。

预后模型与诊断模型之区分（Prognostic vs. diagnostic models）

预后模型(prognostic model)用基线（孕早期）变量预测未来发生抑郁，须严格遵守时序——同期测得的焦虑量表(Generalized Anxiety Disorder-7, GAD-7)虽与EPDS强相关但不得纳入预后模型，仅可用于诊断模型(diagnostic model)。

变量选择（Variable selection）

先依临床可及性与时序做领域知识驱动预筛选（本例从83个原始变量减至15个），再借助数据驱动方法（LASSO或 boosting）确定最终子集。预测模型中变量重要性≠病因学危险因素重要性，目标是最大化预测精度而非因果识别。

评价指标（Metrics and measures to evaluate prediction models）

连续结局侧重校准(calibration)与判别力（测试集R²、RMSEP）；二分类结局除校准图外常用AUC/C-statistic及Brier Score综合评估。

开发队列与验证队列（Development and validation cohort）

三种验证对照显示：随机70/30拆分RMSEP最低（5.31–5.40）但偏乐观；时间拆分RMSEP≈5.42–5.45；地区（跨国家）拆分为最接近真实外部验证，RMSEP最高（5.49–5.60），提示仅内部验证会低估泛化误差(generalization error)，外部或至少 temporal/地域拆分更反映临床实况。不同建模法（逐步AIC、分量梯度提升、LASSO）在同一验证集上RMSEP差异微小（约0.03），小于验证方案带来的差异。

泛化性（Generalizability）

开发队列应涵盖目标人群异质性；本文多国样本存高教育偏倚。跨国应用需注意EPDS切点的文化差异性（多国推荐≥13提高特异度，部分国家主张≥10或11平衡敏感度与特异度）。遗传预测模型在非欧裔人群中泛化差可作反面教材——强调开发队列多样性及必要时建区域/人群专属模型。

四、讨论与结论翻译

讨论指出多数已发表精神健康预测模型因缺外部验证、精度或校准不足、未匹配临床工作流中数据可得时机与决策点，致难以落地。研究人员强调需统计学/数据科学家与临床医师等多学科紧密协作，自设计阶段嵌入临床环境认知（资源、流程、约束），选用透明可解释方法以建立临床信任，并纳入患者视角确保以患者为中心。未来应不只关注模型性能指标，还需研究实施策略、可用性及对不同环境中健康结局的影响。

结论翻译如下：

本文阐述了精神卫生领域预测模型开发的现行方法学路径，并以产前抑郁为例提示常见陷阱。不同于围产期其他并发症（如糖尿病、子痫前期），精神卫生问题高度关联个体社会人口学与临床背景，因此基于早孕临床记录或易获信息构建的预测模型，可在缺乏可靠专用量表或系统围产期精神卫生筛查项目地区，辅助识别需关注女性。文献综述显示多数精神健康预测模型研究使用经典统计回归且未经外部数据验证。利用多国孕妇数据示范表明，内部验证（自助法、交叉验证）可致过度乐观性能估计，而外部验证（时间或地区拆分）给出更贴近实际的预测精度。研究人员提醒模型开发中需审慎处理模型类型选择、变量筛选、验证策略、泛化性及临床效用，尤其关注精神健康研究特点。强烈建议参照扩展版TRIPOD（Transparent Reporting of a multivariable prediction model for Individual Prognosis Or Diagnosis）与PROBAST（Prediction model Risk Of Bias Assessment Tool）指南报告与评估AI预测模型研究。弥合技术与临床间鸿沟需多学科团队合作、透明可解释方法、临床医师监督及患者参与，方能使预测模型由理论建构转化为改善患者照护与临床决策的实用工具。