如果说只是单纯的构建疾病风险预测模型，相信大家应该都比较熟悉，至少大家也都用过Logistic回归、Cox回归等这些常用的回归模型。但是如何将自己构建的预测模型转化为风险评分工具，似乎成了一个难题。

实际的临床研究中，变量之间关系复杂，因变量和自变量之间并非呈现线性关系，如果强行建立线性回归模型，就会影响模型的预测准确性，那么对于此类数据，因变量和自变量之间可能是复杂的非线性函数关系，可以尝试建立非线性回归模型，例如曲线模型、回归样条等

风险评分的建立基于模型中每个变量的权重，即多因素回归模型中的回归系数；预测模型的好坏可以从区分度（Discrimination）和一致性（Calibration）两方面考虑。

不要错过的专题合集！

临床预测模型作为风险与获益评估的量化工具，可为医生、病人以及医疗政策制定者的决策提供更为直观理性的信息，因此其应用也越来越普遍。本文将从临床预测模型的概念、应用场景以及研究思路三个方面做一总结。