临床预测模型变量筛选方法及比较

临床预测模型可用于多种医疗场景，而变量筛选是建立临床预测模型的关键步骤之一。变量筛选是从可用的候选变量列表中，筛选出对预测结局影响最大的变量，同时剔除不相关或冗余的变量。变量筛选方法大致可分为基于回归分析(向后消除法、向前筛选法、逐步筛选法、全子集筛选法、Lasso和弹性网络)和基于机器学习(随机森林、正则化随机森林、Boruta、梯度提升特征筛选)两大类。本文介绍了变量筛选的概念、流程，总结不同变量筛选方法的特点、停止规则，并比较分析各自的优缺点。