Page 66 - 南京医科大学自然版

第45卷第1期
· 60 · 南 京 医 科 大 学 学 报 2025年1月

2.4 模型的验证及效能 具有良好的区分度及校准度（图3）。
训练集 AUC 为 0.871（95%CI：0.799~0.943），最 通过 Bootstrap 法重复抽样 1 000 次进行再次验
大约登指数对应的临界值为 0.195，此时灵敏度为 证，曲线显示预测值与实际发生结果吻合度良好。
76.5%，特异度为 85.6%，校准曲线 Brier 值为 0.077。 训练集平均绝对误差为0.029，验证集平均绝对误差
将训练集模型置入验证集中进行验证，验证集AUC 为0.034，提示校准曲线所预测的风险与实际发生风
为 0.870（95%CI：0.756~0.932），最大约登指数对应 险高度一致（图4）。
的临界值为 0.222，此时灵敏度为 75.0%，特异度为 2.5 临床决策分析模型
90.3%，校准曲线Brier值为0.088。表明本预测模型 DCA 曲线显示本预测模型在全预测概率下均

A B
1.0 1.0
0.8 0.8
0.195 0.222
Sensitivity 0.6 AUC：0.871 Sensitivity 0.6 AUC：0.870

0.4
0.4
0.2 0.2

0
0
1.0 0.8 0.6 0.4 0.2 0 1.0 0.8 0.6 0.4 0.2 0
Specificity Specificity
C D
1.0 Dxy 0.743 1.0 Dxy 0.739
C（ROC） 0.871 C（ROC） 0.869
R2 0.487 R2 0.469
D 0.330 D 0.327
U -0.009 U -0.007
0.8 Q Brier 0.339 0.8 Q Brier 0.334
0.088
0.077
Actual probability 0.6 Emax -0.340 Actual probability 0.6 Emax 0.084
Intercept
Intercept
0.000
0.264
1.000
Slope
0.900
Slope
0.114
E90
0.085
0.071
E90
0.032
0.037
Eavg
Eavg
S：z
0.937
S：z
S：p
0.734
0.349
S：p
0.4
0.4
Ideal Ideal
0.2 0.2
Logistic calibration Logistic calibration
Nonparameric Nonparameric
0 0
00 0.2 0.4 0.6 0.8 1.0 00 0.2 0.4 0.6 0.8 1.0
Predicted probability Predicted probability
A：ROC curve for training set. B：ROC curve for validation set. C：Calibration curve for training set. D：Calibration curve for validation set.
图3 单孔VATS术后慢性疼痛预测模型ROC曲线及校准曲线
Figure 3 ROC curve and calibration curve construction for chronic pain after single⁃port VATS
A B
1.0 1.0
0.8 0.8
Actual survival 0.6 Actual survival 0.6
0.4
0.4
Bias⁃correcl
Bias⁃correcl
0.2 Apparent 0.2 Apparent
Ideal Ideal
0 0
00 0.2 0.4 0.6 0.8 1.0 00 0.2 0.4 0.6 0.8 1.0
Predicted survival Predicted survival
B=1 000 repetitions，boot Mean absolute error=0.029（n=214） B=1 000 repetitions，boot Mean absolute error=0.034（n=88）
A：Calibration curve of bootstrap for chronic pain in training set. B：Calibration curve of bootstrap for chronic pain in validation set.
图4 单孔VATS术后慢性疼痛Bootstrap校准曲线
Figure 4 Calibration curve of bootstrap for chronic pain after single⁃port VATS