临床预测模型影响力研究之预测糖化血红蛋白
越简单的模型可能越容易进入临床实践。
模型特点
- 回归模型，预测糖化血红蛋白浓度；
- 后续措施，研究医生根据每月自我监测的血糖记录/糖化白蛋白和预测的HbA1c来调整患者的降糖治疗。
研究介绍
由于HbA1c每3个月测量一次，因此每月将自我监测的血糖记录转换到预测模型预测的HbA1c上。基于自我监测血糖的空腹毛细血管血糖和餐后毛细血管血糖，开发了HbA1c预测模型。将血糖控制不佳的2型糖尿病患者纳入研究，以评估HbA1c预测模型在调整降糖治疗方案方面的疗效和安全性，并与使用自我监测血糖或糖化白蛋白的常规治疗进行比较。
干预措施和结局变量
- 对照组，研究医生根据自我监测的血糖记录/糖化白蛋白调整患者的降糖治疗，而没有预测HbA1c
- 实验组，基于HbA1c预测模型组患者的自我监测血糖，每月预测HbA1c。研究医生根据每月自我监测的血糖记录/糖化白蛋白和预测的HbA1c来调整患者的降糖治疗。
结果
无
讨论
- 回归模型感觉更容易进入临床，预测模型肯定会有一定的预测不准确，对于回归模型来说，准确不准确，预测结果与实际结果之间是量的的差别，进而引起的临床结果也是量的差别，而对于分类模型，准不准确是0和1之间的差别，是质的差别，这可能是回归模型是临床更加容易接受的原因。
- 越是简单的预测模型越有可能进入临床，这里作者的用意是觉得测量糖化血红蛋白的周期过长，在指导临床用药方面不够方便，所以有了这个预测模型。之前还介绍过的另外一个回归模型是用性别和手骨图像预测骨骼年龄，也是足够简单。