文章标题：The development and validation of a nomogram-based risk prediction model for mortality among older adults
中文标题：基于列线图的老年人死亡率风险预测模型的开发和验证
发表期刊：SSM Popul Health
发表时间：2024年1月
影响因子：3.6/Q1
研究背景
本研究旨在构建和验证一个全面的全因死亡率预测模型，该模型基于多方面的风险因素。
研究方法
本研究的衍生队列是中国纵向健康长寿调查 （CLHLS），而健康老龄化和生物标志物队列研究（HABCS） 和中国健康与退休纵向研究 （CHARLS） 用作验证队列。使用 lasso 回归过滤风险因素，使用净重分类改进确定预测因素。采用 Cox 比例风险模型建立死亡风险预测方程，并使用判别一致性指数 （C-index） 评估模型的拟合度。为了评估鉴别和校准的内部一致性，采用了 10x10 交叉验证技术。生成校准图以将预测概率与观测概率进行比较。使用列线图证明了方程的预测能力。
研究结果
1.按生存状态分类的 7 个连续且不重叠的队列中老年人的基线特征和死亡风险
该研究在 179638 人年中纳入了 37075 名平均年龄为 88.08 岁（标准差 11.24）的老年人，其中 80.22%超过 79 岁。76%的老年人被随访至结果。研究对象主要为女性，表现出正常认知和 ADL，无配偶生活，无吸烟史，不做家务、看电视或听广播、参加花园工作等。与女性相比，男性风险比为 1.34；严重认知障碍老年人相比认知正常者风险比为 1.26；ADL 受损老年人相比正常者风险比为 1.27。
2.用于预测 CLHLS 中老年人生存率的 10x10 交叉验证的内部校准曲线
该研究从推导队列中开发用于评估中国老年人全因死亡风险的预测方程。采用套索方法筛选变量后，选取了前 9 名变量，包括年龄、性别以及认知功能、ADL 功能、当前婚姻状况、过去吸烟状况、做家务、看电视或听广播频率、做园艺工作等 7 个重要风险因素变量纳入方程。内部校准图显示预测与实际观察有良好一致性。
3.使用 10 × 10 交叉验证技术对死亡风险预测方程进行内部验证和外部验证
方程具有出色的死亡率判别能力。在派生队列中，C 指数为 0.72，在 CHARS 和 HABCS 的外部验证中 C 指数结果分别为 0.761和 0.713。
4. 生存列线图
年龄成为全因死亡率的最重要预测因子，其次是 ADL 功能和认知功能。使用分数量表为每个预测因素计分，通过计算累积分数并映射到综合分数量表上可估计三到五年内死亡的可能性。例如给出了不同情况的具体得分示例，如 80 - 84 岁个体、男性及不同行为表现对应的分数，累积分数 150 对应三年内死亡概率为 60%。
文章小结
本研究介绍了一种可靠、经过验证且可接受的中国老年人死亡风险预测器。这些预测因素在公共卫生政策和临床实践中具有潜在的应用。（对这种思路感兴趣的老师，欢迎联系小编！）
