01.06-01.12 临床预测模型研究顶刊快报

JAMA  2025/01/06-2025/01/12

1. 开发和验证预测轻度认知障碍和阿尔茨海默症痴呆发作的工具  1.8  JAMA Network Open

2. 用于预测阿片类药物使用障碍遗传风险算法中的候选基因的效用  1.9  JAMA Network Open

3. 使用人工智能通过眼底照片的眼镜校正来估计视力  1.10  Original Investigation

THE LANCET  2025/01/06-2025/01/12

1. 开发和验证急诊科无实验室结果的脓毒症筛查工具：一项机器学习研究  1.10  eClinicalMedicine  

JAMA

1. 开发和验证预测轻度认知障碍和阿尔茨海默症痴呆发作的工具

Development and Validation of a Tool to Predict Onset of Mild Cognitive Impairment and Alzheimer Dementia

(1) 目的：评估是否可以使用统计建模方法预测轻度认知障碍（MCI）和阿尔茨海默症（AD）的发病年龄。

(2) 结论：在这项预后研究中，开发和验证了弗洛里痴呆指数（FDI）以预测MCI和AD的发病年龄。该工具可能有助于为认知能力下降或痴呆的老年人组织医疗保健，将来可能有助于优先考虑患者使用改善疾病的单克隆抗体药物。

 2. 用于预测阿片类药物使用障碍遗传风险算法中的候选基因的效用

Utility of Candidate Genes From an Algorithm Designed to Predict Genetic Risk for Opioid Use Disorder

(1) 目的：评估用于预测阿片类药物使用障碍（OUD）风险算法的15个遗传变异的效用。

(2) 结论：本研究的结果表明，批准算法中包含的候选遗传变异在识别OUD风险方面不符合合理的疗效标准。鉴于该算法的预测准确性有限，它在临床护理中的使用将导致假阳性和假阴性结果的高发生率。需要更多临床有用的模型来识别有患OUD风险的个体。

 3. 使用人工智能通过眼底照片的眼镜校正来估计视力

Estimating Visual Acuity With Spectacle Correction From Fundus Photos Using Artificial Intelligence

(1) 目的：使用先前验证的人工智能（AI）算法，评估糖尿病性黄斑水肿（DME）患者在临床实践环境中标准视力表上测量的眼镜矫正视力，评估DME眼底照片的最佳矫正视力。

(2) 结论：在这项横断面研究中，人工智能评估了患有DME且视力为20/80或更好的患者眼底照片，估计眼镜矫正视力与实际眼镜矫正视力大约相差1至1.5行内。这些结果支持使用AI评估眼底照片来确定全球眼科诊所以外的DME患者的眼镜矫正视力。

THE LANCET

1. 开发和验证急诊科无实验室结果的脓毒症筛查工具：一项机器学习研究

Development and validation of a screening tool for sepsis without laboratory results in the emergency department: a machine learning study

(1) 背景：脓毒症是全球范围内的重大健康负担。及时识别和治疗脓毒症可以大大改善患者的预后，包括生存率。然而，筛查脓毒症通常需要耗时的实验室结果。我们旨在使用机器学习（ML）根据患者在急诊科（ED）的非实验室临床数据开发一种快速脓毒症筛查工具（qSepsis），并将其性能与已建立的临床评分进行比较。

(2) 解释：这项回顾性研究表明，与现有评估评分相比，qSepsis在接收器工作特性曲线下的面积（AUROC）和精确率-召回率曲线下面积（AUPRC）方面具有更好的预测性能。它有可能用于实验室检测机会有限的院前环境，以及用于快速筛查脓毒症患者的急诊科。然而，由于其阳性预测值（PPV）较低，在实际临床实践中误报可能会增加。