07.13-07.19 临床预测模型研究顶刊快报

1、利用机器学习开发与验证简化版马丁-霍普金斯LDL-C方程  07.15  JAMA Network

1. 帕金森病诊断及临床严重程度的代谢组特征  07.14  eBioMedicine

2. 头颈部鳞状细胞癌血清代谢组学谱分析：一项多中心诊断研究  07.13  eBioMedicine

1、评估统计和深度学习方法中目标试验模拟心力衰竭的偏倚  07.13  nature communications

1、利用机器学习开发与验证简化版马丁-霍普金斯LDL-C方程

Development and Validation of a Simplified Martin-Hopkins LDL-C Equation Using Machine Learning

（1）背景：尽管马丁-霍普金斯方程已被广泛验证并用于临床护理中低密度脂蛋白胆固醇（LDL-C）估算，但简化的方程可能简化实施流程，促进更广泛的应用。

（2）结论：基于近500万例患者的横断面研究数据，新开发的LDL-C–MH-MARS简化方程在准确性上表现出与原始马丁-霍普金斯方程高度一致的结果——两者均具有最小的均方根误差（分别为4.7和4.9 mg/dL）和近乎相同的临床分类正确率（约89.7%），且均显著优于Friedewald、Sampson-NIH及改良Sampson-NIH方程。尤其在甘油三酯偏高（200~399 mg/dL）而LDL-C低于70 mg/dL的临床关键人群中，新方程和原始方程的低估比例（16%和17%）远低于其他三种方程（28%~60%）。两个外部验证数据集的结果也进一步证实了这一优势模式。综上，LDL-C–MH-MARS简化方程在保持与原始马丁-霍普金斯方程同等高准确性的同时，显著优于其他常用估算方法，为临床大规模推广提供了有力支持。

1、帕金森病诊断及临床严重程度的代谢组特征

Metabolomic signatures for diagnosis and clinical severity in Parkinson's disease

（1）背景：由于临床表现微妙且异质，且缺乏可靠的生物标志物，帕金森病（PD）在早期诊断仍具有挑战性。代谢组学提供了一种强大的方法，捕捉反映潜在病理生理的疾病相关生化变化。本研究旨在识别PD诊断所需的强有力血浆代谢特征，并阐明与临床严重程度相关的代谢变化。

（2）结论：在两个病例对照数据集中，111种代谢产物在早期PD中持续发生改变，其中12-羟基二醋酸、精氨酸和烟酰胺成为关键的差异代谢物。通路富集分析强调了鞘脂代谢是早期PD中主要的失调通路。基于机器学习的模型，基于六种代谢物的分类模型取得了强劲表现（AUC = 0.976），而单个代谢物也表现出良好的辨别能力，最高AUC达到0.916。

2、头颈部鳞状细胞癌血清代谢组学谱分析：一项多中心诊断研究

Serum metabolomics profiling in head and neck squamous cell carcinoma: a multicentre diagnostic study

（1）背景：头颈鳞状细胞癌（HNSCC）是全球第六大常见恶性肿瘤，5年生存率不足50%，主要因多数患者确诊时已为局部晚期且存在显著异质性。当前依赖组织活检和液体活检的方法存在侵入性强、早期灵敏度不足等局限。代谢组学可动态反映全身代谢变化，在早筛和分层中具独特优势，但既往研究受限于小样本、缺验证及单组学分析。本研究基于938例多中心队列，结合机器学习和多组学整合，旨在建立稳健的诊断特征并识别预后相关分子亚型，为HNSCC精准管理提供新思路。

（2）结论：血清代谢组学分析显示精氨酸代谢发生改变，特征为精氨酸减少和鸟氨酸积累。8-metabolite model在内部验证中AUC达0.990，灵敏度和特异性分别为91.3%和97.1%；在多中心外部验证队列中AUC为0.901，灵敏度91.1%、特异性80.2%，且在I期疾病中仍保持良好表现（AUC=0.927）。在独立疾病对照队列中，该模型区分HNSCC与健康对照的AUC为0.980，区分HNSCC与口腔潜在恶性疾病的AUC为0.710。

1、评估统计和深度学习方法中目标试验模拟心力衰竭的偏倚

Evaluating bias in target trial emulation for heart failure across statistical and deep learning methods

（1）背景：目标试验模拟（TTE）被用于从观察性数据推断因果效应，但在指征混杂面前仍存脆弱性。本研究聚焦心力衰竭，系统评估传统统计方法（PSM、IPTW、TMLE）与Transformer深度学习模型在TTE框架下能否通过先进调整策略克服指征混杂、重现随机对照试验（RCT）结论。

（2）结论：无论采用何种调整方法，所有TTE估计均未能重现RCT基准——β受体阻滞剂本应显著降低死亡风险，结果却呈中性甚至有害；地高辛本应中性，结果却一致显示增加死亡风险。半合成模拟中，当混杂因素完全可观测时各方法均能恢复真实效应，但在真实世界数据中全面失效，提示指征混杂的根本性难以克服，随机化证据仍不可替代。