术前预测非心脏手术后出血与死亡率的独立相关性风险
研究题目：术前预测非心脏手术后出血与死亡率的独立相关性:一项国际前瞻性队列研究
本文是对这篇英文文章的解读：Preoperative prediction of BleedingIndependentlyassociated with Mortality after noncardiac Surgery (BIMS): an international prospectivecohort study
研究意义：
1.纠正术前贫血
2.当有重大失血时提前准备好血液
3.对有重大失血风险的患者进行术中等容稀释进行预防
研究设计：这是一项前瞻性队列研究，研究人群来源于12个中心8个国家的16079个非心脏手术患者
研究人群：45岁以上的非心脏手术患者
预测变量：
年龄、术前肾小球过滤率、术前HB、性别、术前HB与性别的交互项、日常生活活动需求、近期高危冠状动脉疾病、充血性心衰史，高血压、中风、周围血管病变、慢性阻塞性肺疾病、癌症、胸主动脉重建手术、主动脉髂骨重建手术、周围血管重建术、颅外脑血管手术、血管内动脉瘤修复术、普通外科中复杂内脏切除术、部分或全部结肠切除术或者胃部手术、其他腹腔手术、头颈部非甲状腺肿瘤切除术、全肺切除手术、肺叶切除手术、其他胸外科手术、泌尿生殖或者妇科内脏切除术、泌尿生殖或者妇科细胞减少手术、非激进子宫切除术、根治性子宫切除术、根治性前列腺切除术、经尿道前列腺切除术、主要髋部或骨盆手术、股骨内固定术、膝关节置换术、膝盖以上截肢手术、小腿截肢手术、开颅手术、主要脊椎手术、其他低风险手术、是否急诊手术、是否开放或者内镜手术
结局变量：BIMS(非心脏手术与死亡相关的失血事件)
BIMS定义：1.术后hb<70g/L；2.术中或者术后有输血；3.被诊断为导致死亡的直接原因
结论：
文章中一共做了两个模型，复杂模型和简化模型，复杂模型的准确率比简化版的模型准确率要高，不过由于变量太多笔者觉得倒不如简化的模型更利于医生使用。两个模型的准确率分别为：
1. 复杂模型：应用35个变量的逻辑回归模型C-statistic0.84; 95% CI, 0.837~0.852
2.简化模型：3个变量的逻辑归回模型C-statistic0.787; 95% CI,0.779~0.796
方法与结果：
变量筛选：文章共纳入41个特征变量，通过向后剔除法(backward elimination)去掉p>0.1的变量，最后剩余35个特征变量。
非线性特征变换：对年龄、术前HB、术前肾小球过滤率连续变量通过限制性立方样条（restricted cubic spline functions）方法进行转换，使得连续变量与目标变量之前的非线性关系能够表现出来。限制性立方样条（restricted cubicspline functions）方法能够判断连续变量与目标变量之间的非线性关系，p<0.05即存在非线性关系
2. 模型结果
作者首先对模型做了一个评价标准，分成四种情况评价模型的效果：
复杂模型：一共用了35个变量包括术前7个变量（术前HB、年龄、性别、日常生活活动需求、近期高危冠状动脉疾病，术前肾小球过滤率、癌症）、27个不同手术类型、1个是否开放手术。
作者为了防止模型出现过拟合又进行了1000次bootstrap，并跟不做bootstrap的结果进行了对比，其实两者的结果差不多c-statistic 0.844 vs 0.847，见下图。同时作者使用了保序回归对预测结果进行了纠正，使得预测概率更符合观测概率
简化版模型：作者又给大家提供了一个简化版的计算器，只用了3个变量进行预测，这3个变量包括术前HB是否大于120（作者发现将术前HB划分成二分类预测的ROC最高），是否是高危手术，是否是开放手术。
作者将手术类型中能够使失血风险增加并且p<0.05的手术结合成一个变量为高危手术。
同时作者将BIMS事件在3个特征中发生的比例进行展示，其中有49.6%的患者没有出现上述三种情况或者只出现了其中一种情况，他们发生BIMS的比例是3.8%;39.4%的患者出现了上述两种情况，BIMS发生率为22.9%;10.9%的患者同时出现了上述三种情况，BIMS发生率为58.4%，即简化版模型中，上述3个特征患者出现的情况越多发生BIMS的概率越大。
只根据术前HB预测模型：因为有些医生可能只根据术前HB是否小于120进行预测，因此作者又只用一个术前HB是否小于120变量进行BIMS风险预测。
决策曲线分析(比较模型效果，临床上应用更多一些)：
定义：净收益=TP/total– FP/total * thred/(1-thred)
Total :所有测试样本
TP: 真正预测为正样本的个数
FP:预测为假阳性的样本个数
下图为上述3个模型的决策曲线，x轴为不同的概率切割阈值，y轴为净收益，从图中能够看出来复杂模型在取不同概率阈值切割点时，都比其他两个模型的带来的净收益要大。
