二区Top文章的临床预测模型，用了8种机器学习方法，但不靠谱

在该项研究中，研究团队使用了去身份化电子健康记录（EHR）数据，纳入老年患者。本研究旨在基于8种机器学习法和SHAP法，构建可解释机器学习预测模型，以评估风险因素并预测老年心合并高血压患者的住院死亡率。 √缺失数据的处理研究中所有变量的缺失数据比例均保持在30%以下，使用K-最近邻（KNN）分类算法对缺失数据进行处理。 √变量筛选使用LASSO法在44个变量中筛选出9个最佳预测因子，包括年龄、住院时间（LOS）、中性粒细胞（Neu）、尿素、Cl、活化部分凝血活酶时间（APTT）、白细胞（LEU）、白蛋白和HDL胆固醇。

323

2025-08-05

SHAP可视化方法，临床预测模型解释新框架！

SHAP法作为一个强有力的工具，能帮助我们理解模型的输出，告诉我们每一个特征对预测结果的影响。可以说，无论是复杂的深度学习模型，还是简单的回归模型，SHAP都能给出解释。先前我们介绍了SHAP的理论背景，今天来上点干货，开启我们系列文章的第二篇：SHAP分析之可视化及其可视化图

1352

2025-08-04

这个一区杂志不再拥有影响因子！我们来看看近期发表的临床预测模型文章质量如何吧

就在11月13日，Web of Science 运营方科睿唯安（Clarivate）宣布，将不再赋予中科院一区期刊 eLife 影响因子。不过，该期刊的部分论文仍然会被 Web of Science 收录。今天我们将分享一篇发表在该期刊的机器学习临床预测模型文章，我们先来看一下它的研究设计与分析过

176

2025-07-31

机器学习方法的佼佼者--超级学习者！来看医学一区top的文章

众所周知，回归模型是构建临床预测模型的主力。事实上，过去十年里开发的用于预测肝纤维化的非侵入性的工具，大多都依赖于逻辑回归模型。尽管机器学习方法功能强大，但研究者们无法准确把握哪种机器学习法

115

2025-07-25

中国学者用15年数据构建临床预测模型发文，就要这么干！

剖宫产子宫瘢痕异位妊娠(CSEP)是剖宫产术后妊娠的一种潜在致命的并发症，可能导致孕妇大出血或死亡。手术中的出血量直接影响手术的成功率。近年来，基于电子病历(EMR)数据构建的机器学习(ML)预测模型研究日益增多。本研究团队开发的最佳预测模型已被集成到一个网络应用程序中，使临床医生无需掌握R语言或编程技能即可预测CSEP患者的术中风险。 2024年12月，中国学者在医学顶级期刊Lancet子刊《eClinicalMedicine》（医学一区top，IF=9.6）发表了一篇题为：“Risk of intraoperative hemorrhage during cesarean scar ectopic pregnancy surgery: development and validation of an interpretable machine learning prediction model”的研究论文。在该项研究中，研究团队使用四种方法确定模型的预测因子，并使用八种机器学习法构建预测模型。不同于我们之前介绍的SHAP法，本研究使用"iBreakDown"包对模型进行可视化。

144

2025-07-25