本期分享一篇由以南京医科大学为主的研究团队公开发表的文献，这项研究发在了护理领域的TOP1期刊，我们本次学习的重点将是学习她们的研究思路。
一、基本研究内容
研究背景： 衰弱在老年胃癌患者群体中发生率高且有诸多不良影响，并非固定不变，而是动态发展的，因此需要设计纵向研究。
研究目的：描述、识别老年胃癌患者术后1年衰弱的发展轨迹，并据此进行预测模型的构建与验证。
研究设计：前瞻性纵向观察研究（prospective longitudinal observation study），测量时间点是出院时、出院1个月、3个月、6个月和12个月时。
研究对象：381名中国某三级护理医院就诊的老年胃癌患者（age>60）。
研究方法：通过GMM（增长混合模型，growth mixture model）识别衰弱发展轨迹，采用单因素分析和多因素回归分析进行变量筛选，根据多因素logistic回归分析的结果建立预测模型，以web版的动态列线图进行呈现。验证方法是内部验证（bootstrap法，n=1000），评价指标及展示方法包括ROC曲线下面积（AUC）、校准曲线、DCA（临床决策曲线）等。
研究结果：衰弱发生率为70.3%（出院时），共识别出3条轨迹，通过单因素和多因素筛选，最终共8个预测变量进行了预测模型（列线图）。
二、我个人的看法
前面只是简单概述了这篇文献，具体的细节需要大家自行下载文献精读（如果你需要我做了笔记的pdf稿件，可以私信公众号后台，回复 624 获取）。
首先，要着重赞美这篇文献的研究团队，这些老师和同学的研究思路很有建设性，值得我们去借鉴。
有不少朋友问我，怎么把预测模型用于纵向研究。这个话题说难不难，说简单也不简单，目前临床预测模型最常见于单个时间点的数据，对纵向数据的涉及不多（肯定是有研究者在做这块的）。
①我个人见过的纵向队列数据预测模型是通过时间序列分析，或者一些特殊机器学习或者可以说是深度学习算法（比如LSTM、GRU）来做的。
②当然，大家是否还记得我在前面分享过的这篇文章呢：非常不错的思路，纵向研究变化轨迹还可以这样分析。这里就涉及到了一种叫做广义线性混合模型树的算法，其本质就是将决策树推广到纵向数据集，本质是对每个树内部进行广义线性混合模型分析，算是传统医学统计+机器学习的结合。这类思路目前已经有扩展多种算法，感兴趣的同学可以去关注下。
③本次分享的文献就提供了一种新的思路，巧妙地把纵向测量得到的量表得分，转换为3种变化轨迹，然后再对轨迹（分类变量）进行预测模型的构建与验证，妙哉！
不过，这里可能涉及到一个精度的问题，由于我还没有来得及看附件，不清楚作者们是用什么软件来实现GMM的（文中提到R，但是没有描述做轨迹分析的R包），如果是Mplus，那么是否用了稳健三部分进行单、多因素估计呢？大家可以自己探究下。
好了，本期分享只是抛砖引玉，欢迎大家留言（全部开放）。下面插播一个小推广：
我们举办了一期面向科研小白的Meta分析系统课程，涵盖文献检索与筛选、文献质量评价、数据提取和数据分析、文章撰写等多个方面，给出全面的教学。此外，会展示从RevMan到Stata，再到R软件的meta分析实操演示，这两年热门的影响因素Meta分析也包含在内，授课内容是直播课但提供永久录播回放，主讲老师是专研循证护理多年的资深研究者。
名额有限，本周五报名截止，周六正式上课，欢迎大家咨询，咨询方式：
如果已经不能添加，请私信公众号后台，或者在文末留言。本期的分享到此结束，再见！
参考文献：
Miao X, Guo Y, Ding L, Xu X, Zhao K, Zhu H, Chen L, Chen Y, Zhu S, Xu Q. A dynamic online nomogram for predicting the heterogeneity trajectories of frailty among elderly gastric cancer survivors. Int J Nurs Stud. 2024 May;153:104716. doi: 10.1016/j.ijnurstu.2024.104716. Epub 2024 Feb 13. PMID: 38412776.
封面来自上述参考文献，本文仅供感兴趣者学习和分享使用，如有侵权，请联系我们删除，谢谢。
小提醒：
由于微信推送机制的变化，建议大家将公众号标记为星标，如此才能及时收到我们的更新，同时也希望大家能帮忙点点赞和转发，你们的支持是我们前进的重要动力来源，谢谢！
此外，护理统计随笔平台的内容现在已经非常丰富，很多方面都有涉及到，如果你觉得你没有看到往期的相关文章，不妨打开公众号的菜单页，在各级目录中查找你想要的内容。
如果你在科研学习中遇到了疑问，恰好也想跟网友们交流，可以加入我们建立的“护理科研交流群”。这是一个完全自由、开放、没有套路的纯交流群。入群方式：私信发送关键词“加群”。
