学习笔记:临床回顾性实用指南(四)临床回顾性研究的架构

ROC曲线 评价二分类模型性能的强大工具 ROC曲线的组成： ①X轴-假阳性率-False positive rate, FPR，即1-特异性，表示模型错误地将负类（实际为负的样本）预测为正类的比例； ②Y轴-真阳性率-True positive rate, TPR，也称灵敏度或召唤率，表示模型正确地将正类（实际为正地样本）预测为正类的比例。 一般AUC越大，模型预测性更好。 学习链接：https://www.plob.org/article/12476.html

列线图 alignment diagram 又称诺莫图 nomogram 通过构建多因素回归模型，根据模型中各个因素对结局变量的贡献程度（回归系数的大小），给每个影响因素的每个取值水平进行赋分，然后再将各个评分相加得到总评分，最后通过总评分与结局事件发生概率之间的函数转换关系，从而计算该个体结局事件的预测值。 列线图的组成： ①预测模型中的各因素名称； ②得分，包括单项得分point和总得分total point; ③预测概率，n-year survival prob。

流程图

三线表是学术期刊中表格的主要形式，所谓三线表，其三条线分别是表格上边框、横标题下边框、表格下边框；但有一些复杂表格内不止三条线， 三线表是一种统称，其原则是表格内不能有竖框线，相同内容之间不能有横框线。一个完整的三线表应该包括表格标题、表格主体和备注。表格主体内通常包含变量、分组、例数、数值、统计量和P 值等元素。

三线表的绘制可以在文章架构时完成，如果已经明确分组、临床资料的信息，就可以制作基线资料的三线表；如果明确评估措施的信息，就可以制作结果的三线表。三线表绘制完成后，就可以根据三线表的内容制作数据收集表，进行下一步的数据采集工作，数据收集完成并统计分析后，即可把输出的结果填入三线表内，这时的三线表就是一个完整的三线表，是论文的一部分重要内容。