数据筛选与变量筛选
确定预测志贺氏菌病因腹泻的关键变量
使用GEMS数据中超过130个候选预测变量,通过随机森林筛选出与志贺氏菌病因最相关的变量。
Clinical Prediction Rule to Guide Diagnostic Testing for Shigellosis and Improve Antibiotic Stewardship for Pediatric Diarrhea
基于GEMS和MAL-ED两个大型队列数据,使用随机森林筛选变量、逻辑回归建模,并进行交叉验证和外部验证,包含敏感性分析。
GEMS队列中0-59个月急性中度至重度腹泻儿童 MAL-ED队列中0-24个月腹泻儿童
年龄(月) 照顾者报告的便血 志贺氏菌病因定义:AFe≥0.5 外部验证队列:MAL-ED
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
确定预测志贺氏菌病因腹泻的关键变量
使用GEMS数据中超过130个候选预测变量,通过随机森林筛选出与志贺氏菌病因最相关的变量。
评估CPR模型的判别性能和校准度
使用逻辑回归和随机森林回归构建包含不同数量预测变量的模型,通过重复交叉验证评估AUC,并评估校准状况。
验证CPR在外部人群中的性能
将GEMS衍生的2变量CPR应用于MAL-ED数据,计算AUC和校准指标。
评估不同定义和亚组下CPR性能的稳定性
进行多种敏感性分析,包括不同AFe阈值、年龄分层、仅血性腹泻或非血性腹泻、排除孟加拉国、加入季节等。
估计CPR指导的检测方案对比现有指南的潜在临床影响
在MAL-ED数据中模拟使用2变量CPR分流患者接受POC检测,评估与当前基于痢疾的指南相比,识别志贺氏菌病例的敏感性、假阳性率等。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 数据建模 | R | -- | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据筛选与变量筛选 | 预测变量:年龄、照顾者报告的便血;定义:AFe≥0.5;数据来源:GEMS 阅读提示:Methods - Study Population for Derivation Cohort, Outcomes, Predictive Variables |
| 模型构建与内部验证 | 训练集比例:80%;交叉验证迭代次数:100次;模型:逻辑回归 阅读提示:Methods - Development of the Clinical Prediction Rule |
| 外部验证 | 外部数据:MAL-ED(0-24个月);变量:年龄、便血 阅读提示:Methods - Study Population for Validation Cohort, Results - External Validation |
| 敏感性分析 | AFe阈值:≥0.3、≥0.7;年龄分层:0-11、12-23、24-59个月;排除孟加拉国 阅读提示:Methods - Sensitivity and Subgroup Analyses |
| 临床影响模拟 | POC测试敏感性=0.9,特异性=0.9;概率截断:0.13-0.55;比较标准:WHO IMCI基于痢疾的指南 阅读提示:Methods - External Validation: Estimating the Potential Impact of a CPR-Guided Diagnostic Testing Regimen in a New Population |