临床预测模型的亚组分析

模型已经纳入患者异质性指标，还要考虑个体化 threshold 和 subgroup analysis 吗？

要。因为这里至少有三种不同的“异质性”。

1 模型纳入了变量，只代表它试图预测风险

标准预测模型估计的是：

[
p_i=P(\text{VTE}\mid X_i)
]

即患者 (i) 在其临床特征 (X_i) 下发生 VTE 的预测概率。

例如模型纳入：

• 年龄；
• 肿瘤；
• BMI；
• 手术时长；
• 既往血栓；
• D-dimer；
• 活动受限；

它确实可以让不同患者得到不同的 VTE 风险。

但这仍不能自动回答：

对这个患者来说，药物预防带来的 VTE 减少，是否超过其出血、硬膜外血肿、神经损伤、成本和不便？

一个简化的行动条件可以写成：

[
p_i \times E_i \times B_i

H_i \times L_i + C_i
]

其中：

• (p_i)：该患者未接受干预时的 VTE 风险；
• (E_i)：预防措施对该患者的相对或绝对效果；
• (B_i)：避免一次 VTE 的获益；
• (H_i)：干预导致伤害的概率；
• (L_i)：伤害严重度；
• (C_i)：治疗负担、成本或资源代价。

只有左侧大于右侧，行动才有预期净获益。

若每个人的 (E_i)、(H_i)、(B_i)、(L_i)、(C_i) 都相同，可以采用统一风险阈值。
但在脊柱术后 VTE 场景中，这种假设往往过强：

• 肾功能、血小板、凝血状态会改变出血风险；
• 神经外科或脊柱手术方式会改变硬膜外血肿后果；
• 导管、麻醉方式、术后活动能力会改变预防措施的可行性；
• 肿瘤、既往血栓或某些病理状态可能改变绝对获益；
• 患者偏好和医院资源也可能不同。

因此，一个模型纳入了异质性指标，不等于它已经完成个体化决策。 若要真正根据患者特征改变治疗建议，需要预测治疗获益和治疗伤害，甚至预测个体化治疗效应；这属于因果决策模型，而不是普通结局风险模型。个体化治疗决策的 DCA 也需要评估模型是否能改善治疗选择，而不仅是预测结局风险。(Sage Journals )

2 是否一定要做不同 subgroup 的不同 threshold？

不一定。

若干预的获益、伤害、可接受负担和患者偏好在各亚组中近似相同，并且模型在各组中校准良好，那么一个共同的风险阈值可以合理。

例如，模型给每位患者预测绝对 VTE 风险：

• A：1%
• B：4%
• C：11%

若行动阈值是10%，那么只有 C 行动。即使三人属于不同亚组，也不需要因为“分组不同”而强行设不同 cut-off。

不同阈值真正需要的理由不是“基线发生率不同”，而是：

• 预防疗效不同；
• 出血或其他伤害风险不同；
• 行动成本或可行性不同；
• 患者价值取向不同。

不要为了让不同亚组获得相同敏感度、特异度或 PPV，就机械地分别调阈值。那只是统计指标的平衡，不必然是临床净获益最大化。DCA 的阈值概率本质上对应漏诊与不必要干预的相对权衡，而不是 ROC 曲线上某个天然最优点。(PMC )

3 为什么仍然需要 subgroup analysis？

因为“变量被纳入模型”不等于“模型在该变量的不同人群中表现一致”。

举例：模型纳入 sex，但仍可能出现：

总体上看，模型的平均预测可能仍然“不错”；但对女性而言，10% 恰好可能跨过抗凝阈值，造成系统性过度干预。

原因可能包括：

• 该亚组事件数少，模型估计不稳定；
• 关键交互项未纳入，例如 sex × cancer、年龄 × 手术类型；
• 某些变量在不同人群中的临床含义不同；
• 测量质量、缺失模式、诊疗路径或基础风险不同；
• 模型在开发医院表现良好，但在新环境中发生 subgroup-specific dataset shift。

因此：

模型变量负责个体化预测；
subgroup analysis 负责审计这种个体化是否真的可靠。

在你的 checklist 中，subgroup performance 不应理解为“每篇小样本研究都必须强行做十几个亚组”。它的 Y 应指：研究对预先定义、临床上重要且事件数足够的亚组，报告了至少部分模型性能，例如 discrimination、calibration 或 net benefit。

事件很少时，最诚实的做法不是挖很多亚组，而是写明无法可靠估计，需要更大样本或外部验证。PROBAST+AI和临床预测模型评价框架都强调，模型的适用性和性能必须结合目标人群、预测因子、结局及验证环境判断，而不能仅凭整体 AUROC 推断。(BMJ )