护理学报 ›› 2024, Vol. 31 ›› Issue (1): 37-41.doi: 10.16460/j.issn1008-9969.2024.01.037
我国护理核心期刊近5年预测模型研究论文分析
王微1, 路潜2, 宋艳茹3, 柯桑桑1, 刘春蕾1
- 1.河北大学 护理学院,河北 保定 071000;
2.北京大学 护理学院,北京 100191;
3.河北大学附属医院 肿瘤内科,河北 保定 071000
Methodological quality of studies on prediction model published in Chinese nursing core journals in recent five years
WANG Wei1, LU Qian2, SONG Yan-ru3, KE Sang-sang1, LIU Chun-lei1
- 1. School of Nursing, Hebei University, Baoding 071000, China;
2. School of Nursing, Peking University, Beijing 100191, China;
3. Dept. of Medical Oncology, Affiliated Hospital of Hebei University, Baoding 071000, China
摘要： 目的 评价近5年我国护理核心期刊发表的风险预测模型研究的方法学质量,为规范预测模型研究提供参考。方法 检索自2018年1月1日—2022年12月31日护理期刊刊载的预测模型文献,采用预测模型偏倚风险评估工具（Prediction Model Risk of Bias Assessment Tool, PROBAST）进行方法学质量评价。结果 共纳入265篇文献,整体偏倚风险评价均为高风险,主要问题包括研究设计类型不适合、未报告及使用盲法、样本量不足和筛选预测因子方法错误等。结论 纳入的预测模型方法学质量有待提高,亟待规范预测模型的构建过程,为临床人员提供更可靠的决策依据。
中图分类号:
- R47
| [1] 张蕊, 郑黎强, 潘国伟. 疾病发病风险预测模型的应用与建立[J]. 中国卫生统计, 2015,32(4):724-726. [2] 徐园, 朱丽筠, 王钰, 等. 我国护理学者开展预测模型研究的现状和启示:一项范围综述[J]. 中国护理管理, 2022,22(5):744-749. DOI:10.3969/j.issn.1672-1756.2022.05.021. [3] Moons KGM, Wolff RF, Riley RD, et al.PROBAST: a tool to assess risk of bias and applicability of prediction model studies:explanation and elaboration[J].Ann Intern Med, 2019,170(1):W1-W33. DOI:10.7326/M18-1377. [4] Moons KG, De Groot JA, Bouwmeester W, et al.Critical appraisal and data extraction for systematic reviews of prediction modelling studies: the CHARMS checklist[J]. PLoS Med, 2014,11(10):e1001744.DOI:10.1371/journal.pmed.1001744. [5] 陈香萍, 张奕, 庄一渝, 等. PROBAST:诊断或预后多因素预测模型研究偏倚风险的评估工具[J]. 中国循证医学杂志,2020,20(6):737-744.DOI:10.7507/1672-2531.201910087. [6] 周慧, 王红梅, 叶群, 等. 神经外科ICU病人呼吸机相关性肺炎风险预测模型的构建[J].护理研究,2022,36(23):4174-4180. DOI:10.12102/j.issn.1009-6493.2022.23.007. [7] 刘雨安, 杨小文, 李乐之. 机器学习在疾病预测的应用研究进展[J]. 护理学报, 2021,28(7):30-34. DOI:10.16460/j.issn1008-9969.2021.07.030. [8] 谷鸿秋, 王俊峰, 章仲恒, 等. 临床预测模型:模型的建立[J]. 中国循证心血管医学杂志, 2019,11(1):14-16,23. DOI:10.3969/j.issn.1674-4055.2019.01.04. [9] De Jong Y, Ramspek CL, Zoccali C, et al.Appraising prediction research: a guide and meta-review on bias and applicability assessment using the prediction model risk of bias assessment tool (PROBAST)[J]. Nephrology (Carlton), 2021,26(12):939-947. DOI:10.1111/nep.13913. [10] 许健, 张驰, 周东阳, 等. 卒中后抑郁风险列线图预测模型的构建及验证[J]. 护理学杂志, 2022,37(17):5-8,22. DOI:10.3870/j.issn.1001-4152.2022.17.005. [11] 许汝福. Logistic回归变量筛选及回归方法选择实例分析[J]. 中国循证医学杂志, 2016,16(11):1360-1364. DOI:10.7507/1672-2531.20160205. [12] 奚丽婧, 郭昭艳, 杨雪珂, 等. LASSO及其拓展方法在回归分析变量筛选中的应用[J]. 中华预防医学杂志, 2023,57(1):107-111. DOI:10.3760/cma.j.cn112150-20220117-00063. [13] Riley RD, Ensor J, Snell K, et al.Calculating the sample size required for developing a clinical prediction model[J]. BMJ, 2020,368:m441. DOI:10.1136/bmj.m441. [14] Riley RD, Snell K, Ensor J, et al.Minimum sample size for developing a multivariable prediction model: Part I- continuous outcomes[J]. Stat Med, 2019,38(7):1262-1275. DOI:10.1002/sim.7993. [15] Riley RD, Snell KI, Ensor J, et al.Minimum sample size for developing a multivariable prediction model: Part II - binary and time-to-event outcomes[J]. Stat Med, 2019,38(7):1276-1296. DOI:10.1002/sim.7992. [16] Archer L, Snell K, Ensor J, et al.Minimum sample size for external validation of a clinical prediction model with a continuous outcome[J]. Stat Med, 2021,40(1):133-146. DOI:10.1002/sim.8766. [17] 谢晓冉, 徐蓉, 张静, 等. 糖尿病足风险预测模型的构建与验证[J]. 护理学杂志, 2022,37(11):9-14. DOI:10.3870/j.issn.1001-4152.2022.11.009. [18] 曹煜隆, 单娇, 龚志忠,等. 个体预后与诊断预测模型研究报告规范——TRIPOD声明解读[J]. 中国循证医学杂志,2020,20(4):492-496. DOI:10.7507/1672-2531.201912032. [19] 邓建新, 单路宝, 贺德强, 等. 缺失数据的处理方法及其发展趋势[J]. 统计与决策, 2019,35(23):28-34. DOI:10.13546/j.cnki.tjyjc.2019.23.005. [20] Hendriksen JM, Geersing GJ, Moons KG, et al.Diagnostic and prognostic prediction models[J]. J Thromb Haemost, 2013,11(Suppl 1):129-141. DOI:10.1111/jth.12262. [21] 蒋伟, 付阿丹, 杜蕾, 等. 急诊科护理人员护理纠纷后离职的风险预测研究[J]. 中国实用护理杂志, 2018,34(4):296-301. DOI:10.3760/cma.j.issn.1672-7088.2018.04.013. [22] 谷鸿秋, 周支瑞, 章仲恒, 等. 临床预测模型:基本概念、应用场景及研究思路[J].中国循证心血管医学杂志, 2018,10(12):1454-1456. DOI: 10.3969/j.issn.1674-4055.2018.12.04. [23] Steyerberg EW, Vickers AJ, Cook NR, et al.Assessing the performance of prediction models: a framework for traditional and novel measures[J]. Epidemiology, 2010,21(1):128-138. DOI:10.1097/EDE.0b013e3181c30fb2. [24] 王俊峰, 章仲恒, 周支瑞, 等. 临床预测模型:模型的验证[J]. 中国循证心血管医学杂志, 2019, 11(2):141-144. DOI:10.3969/j.issn.1674-4055.2019.02.04. |
| [1] | 柯稳, 高兴莲, 余文静, 方敏, 王曾妍. 基于三维质量结构模型构建围手术期低体温预防护理质量指标体系[J]. 护理学报, 2024, 31(1): 1-6. |
| [2] | 钱丽娟, 方熙茹, 罗桢妮, 蔡淑慧. 我国实施护士处方权的环境SWOT分析与建议[J]. 护理学报, 2024, 31(1): 7-11. |
| [3] | 杨娜, 何平平, 余星, 周莹, 陶美伊, 张六一, 张红辉, 朱小妹, 何燕娟. 高级护理实践课程思政“永生花”体系的构建与实践[J]. 护理学报, 2024, 31(1): 31-36. |
| [4] | 宋思梦, 李杨, 初丽丽, 王辉, 杨科力, 田晓迎. 高流量造口患者营养管理策略的研究进展[J]. 护理学报, 2024, 31(1): 42-45. |
| [5] | 史婷婷, 李婷, 黄友鹏, 赵媛, 朱晓丽, 周梦娟, 陈云梅. 2型糖尿病患者合并骨质疏松风险预测模型的范围综述[J]. 护理学报, 2024, 31(1): 52-57. |
| [6] | 欧洋利, 沈军, 李淼, 彭颖, 廖晓艳, 张虹, 陈黎玉. 失能老人“主动健康”影响因素的最佳证据总结[J]. 护理学报, 2024, 31(1): 58-63. |
| [7] | 闵瑰, 汪爱琴, 唐婷. 职业召唤在养老护理员体面劳动感知与工作投入间的中介效应[J]. 护理学报, 2024, 31(1): 69-73. |
| [8] | 周梦娟, 朱晓丽, 张态, 段剑锋, 罗宇梅, 马维莉, 陆涵, 史婷婷, 杨怡霖, 李婷, 查耀蕾, 赵媛. 急性胰腺炎非重症患者住院时间延长预测模型的构建及验证[J]. 护理学报, 2023, 30(9): 7-12. |
| [9] | 吕璐洋, 王华芬, 卢芳燕, 王燕, 蒋树英. 肝移植患儿家庭照顾者出院准备体验的质性研究[J]. 护理学报, 2023, 30(9): 13-17. |
| [10] | 尚彬, 罗彩凤, 吕妃, 徐剑鸥, 吴静, 张许婷, 吴贤群. 护理人员资质过剩感潜在类别分析及其与离职意愿的关系[J]. 护理学报, 2023, 30(9): 18-24. |
| [11] | 杨晓燕, 王静, 杨亚平. 教育游戏软件在护理教学中应用研究进展[J]. 护理学报, 2023, 30(9): 30-32. |
| [12] | 吴娟, 柏晓玲, 杨曾桢, 李慧, 樊雅. 虚拟模拟训练脚本设计在护理教学中应用的研究进展[J]. 护理学报, 2023, 30(9): 33-36. |
| [13] | 杨琰, 董泗芹, 赵宝生, 李振香. 早中期帕金森病患者运动管理的最佳证据总结[J]. 护理学报, 2023, 30(9): 37-42. |
| [14] | 庞田英, 曾芳芳, 江小兰, 高茹, 谢林艳, 刘维, 鲁娟, 杨华. 喉切除术后吞咽功能评估与康复训练的循证护理实践[J]. 护理学报, 2023, 30(9): 49-54. |
| [15] | 方蕾, 王艳波, 裴霄, 李芳. 基于内省智能理论的精神卫生护理学课程教学实践[J]. 护理学报, 2023, 30(8): 29-33. |
|