Page 140 - 《中国药房》2026年7期
P. 140

同时，也需清醒认识到其在临床落地过程中的现实                              引入机器学习技术，并结合交叉验证等较为稳健的统计
          瓶颈。                                                 方法，以提高模型的预测性能和泛化能力。同时，建议
              在模型验证方面，虽然大多数研究进行了内部验                           未来预测模型的开发与报告严格遵循 TRIPOD 声明和
          证，但仅有少数研究         [14―15] 完成了外部验证，这使得这些             PROBAST 工具的指导，以规范研究流程和提高研究质
                                                                [30]
          模型在不同人群和临床环境中的应用推广受到了限                              量 ，从而为儿童恶性肿瘤化疗后骨髓抑制的风险评估
            [25]
          制 。此外，模型展示的形式存在较大差异，包括列线                            提供更加可靠的决策支持工具。
          图、风险评分系统和回归方程等多种方式，导致各研究                            3.5 本研究的局限性
          结果缺乏可比性，并增加了临床应用的复杂性 。针对                                本研究纳入研究数量较少，且在研究对象、建模方
                                                  [26]
          这些问题，未来研究应更加关注模型校准的过程，如采                            法及结局定义等方面异质性明显，因此降低了结论的普
          用Bootstrap重抽样等方法来增强模型的稳定性，同时加                       适性，也难以进行定量合并分析。此外，部分研究的方
          强外部验证以提高模型的推广适用性。此外，还应尽量                            法学报告不完整，如缺失数据处理方式不明、关键评估
          规范和统一模型展示的方式，以提高其在临床实践中的                            指标报告不全，影响了模型预测性能的全面评估。未来
                          [27]
          可接受性和实用性 。                                          研究应遵循 TRIPOD 声明及 PRISMA 等国际报告规范，
              从临床决策角度看，这些模型仍具有重要的启发意                          以提高方法透明度与研究质量，增强研究结果在临床实
          义 ，其 预 测 因 子 多 源 自 常 规 化 疗 参 数 与 实 验 室 指            践中的适用价值。
          标 [17―18] ，为化疗前风险评估提供了量化参考。未来应在                     4 结语
          多中心样本中强化外部验证与动态校准，结合临床路                                 本研究系统评估了儿童恶性肿瘤化疗后骨髓抑制
          径、药物毒性监测及人工智能辅助决策系统，实现模型                            风险预测模型的构建方法、预测因子及其性能。结果发
          从“统计预测”向“临床决策支持”的转化，以真正提升化                          现基线中性粒细胞计数、化疗方案强度等核心指标具有
          疗后骨髓抑制风险管理的科学性与精确性。                                 较高预测价值，且机器学习模型在区分度方面优于传统
          3.4 偏倚风险与适用性                                        统计方法。然而，现有模型普遍存在校准不足、缺乏外
              本研究对7项儿童恶性肿瘤患者化疗后骨髓抑制风                          部验证及方法学偏倚较高等问题，限制了其在临床的直
          险预测模型的研究进行了全面评估。结果显示，所有研                            接应用。本文通过系统评价识别了当前模型的共性问
          究均存在较高的偏倚风险，这些偏倚主要来源于研究设                            题，总结了方法学优化方向，对后续高质量模型的构建
          计、数据收集以及统计分析方法等方面的不足。具体而                            具有循证参考价值。建议未来在该领域积累更多高质
          言，在研究对象的选择上，大多数回顾性研究因存在数                            量、同质化研究后，再对特定模型进行深入比较与验证；
          据缺失和选择性偏倚而被判定为高风险，这表明今后研                            同时，应结合儿童肿瘤的临床特征，整合多模态变量与
          究应优先采用前瞻性设计，以确保在结局发生之前能够                            多中心数据，构建并系统开展外部验证的动态预测模
          收集到预测因子，从根本上减少回顾性设计所带来的选                            型，推动此类工具从风险评估向智能临床决策支持
                [28]
          择偏倚 。在预测因子的评估上，大多数研究因未采取                            转化。
          盲法评估，可能导致研究产生测量偏倚，因此，实施严格                           参考文献
          的数据收集盲法对于提高测量的准确性至关重要。关                             [ 1 ]  倪鑫. 国家儿童肿瘤监测年报：2022[M]. 北京：人民卫生
          于统计分析，大部分纳入研究（6 项研究的 EPV＜20，其                            出版社，2022：4.
          中4项研究的EPV＜10）均存在样本量不足的问题，而确                         [ 2 ]  LI M J，WANG Q，LU P，et al. Development of a machine
          保每个预测因子有足够的事件数（建议 EPV≥20）是提                              learning-based  prediction  model  for  chemotherapy-
          升模型稳定性和可靠性的关键——EPV偏低时，模型回                                induced myelosuppression in children with Wilms’ tumor
          归系数容易出现不稳定，判别效能指标往往被“虚高”估                                [J]. Cancers，2023，15（4）：1078.
          计，从而产生“小样本研究看似效果更好”的假象。这种                           [ 3 ]  QIU  B，MATTHAY  K  K. Advancing  therapy  for  neuro‐
                                                                   blastoma[J]. Nat Rev Clin Oncol，2022，19（8）：515-533.
          由样本量不足和过度拟合共同导致的偏倚，可能在一定
                                                              [ 4 ]  HUANG J T，LU S Y，WANG J，et al. A multicenter phase
          程度上放大部分模型的预测性能，尤其是复杂度较高的
                                                                   Ⅱ  trial  of  primary  prophylactic  PEG-rhG-CSF  in  pedi-
          机器学习模型。因此，未来研究应对模型的泛化能力和
                                                                   atric  patients  with  solid  tumors  and  non-Hodgkin  lym‐
          真实临床效用保持审慎态度，并通过详细报告缺失数据
                                                                   phoma after chemotherapy：an interim analysis[J]. Cancer
          的处理方法等措施，以提高研究的透明度。在模型评估
                                                                   Med，2023，12（13）：14130-14137.
          方面，未来研究应结合区分度、校准度等多项评估指标，                           [ 5 ]  刘若彤. 肿瘤患儿化疗后骨髓抑制合并医院感染临床特
                                    [29]
          更全面地衡量模型的预测性能 。                                          点及风险预测模型建立的研究[D]. 济南：山东大学，2024.
              综上，当前纳入研究存在的局限性在一定程度上限                          [ 6 ]  SALVADOR C，MERYK A，HETZER B，et al. Immature
          制了所建预测模型在临床中的直接推广。未来研究可                                  platelet  fraction  predicts  early  marrow  recovery  after


          · 958 ·    China Pharmacy  2026 Vol. 37  No. 7                               中国药房  2026年第37卷第7期
   135   136   137   138   139   140   141   142   143   144   145