定义：
临床预测模型（又称临床预测规则、预测模型或者风险评分）：指利用多因素模型估算患有某病的概率或者将来某结局发生的概率。
方法：
传统统计方法：多因素回归分析构建预测模型。
机器学习方法：聚类、分类等机器学习算法进行预测模型构建。
分类：
包括诊断模型（Diagnostic models）和预后模型（Prognostic Models）。
诊断模型：是基于研究对象的临床症状和特征，诊断当前患有某种疾病的概率，多见于横断面研究；、
预后模型：是在当下的疾病状态下，未来某段时间内疾病复发、死亡、伤残以及出现并发症等结局的概率，多见于队列研究。
设计人群的选择
前瞻性队列研究人群：最佳，可以展现疾病的自然进程，也便于更有计划的测量预测因子和结局。
病例对照研究人群：无法计算绝对风险，而且病例和对照的来源的总体人群未知，研究者可以自由的选择病例和对照，导致结果易出现偏倚。
随机对照临床试验人群：因临床试验人群的有严格的入排标准，所以人群的外推性较差。如果干预措施无效，则可以直接合并数据；如果干预措施有效，需要把干预变量当做一个独立的预测因子纳入多因素模型。
样本量估计
当预测因子的个数远大于结局事件的个数时，就有可能过度估计模型的效果。
理想情况下，建立预测模型至少需要几百个结局事件，有研究文献表明，一个预测因子至少需要10个结局事件是比较保守的估计。
预测因子和结局的选择
预测因子选择
可社会人口学特征、病史、体格检查、疾病特征、检测结果以及治疗历史中筛选。治疗措施在随机对照临床试验中可以当做预测因子，但在观察性研究中不推荐。
预测因子应具有以下特征：
（1） 应该具有明确定义、标准化、可重复，
（2）预测因子的检测方法，应该是日常使用的方法。
（3）预测因子应是能够测量到，且容易获得。
在观察性研究中，由于治疗措施、适应征并不是统一规范的，将其纳入作为预测因子可能引入偏倚，故不推荐，且治疗措施相比年龄、性别、疾病分期来说，预测价值很小。
结局的选择
病人最关注的结局：应作为首选，疾病的复发、死亡、并发症、肿瘤增生、疼痛、治疗反应以及生存质量。
替代指标和中间指标：不建议用作结局指标, 除非此替代指标或中间指标与最终结局有明确的因果关联，如CD4细胞计 数与AIDS进展和死亡；
结局的测量：
应该是在不需知晓预测因子的情况下进行结局指标的测量，以免引入偏倚。
预测研究一般有三个步骤：
开发预测模型
验证预测模型
研究模型临床意义
具体见汇总图，后续将对临床预测模型慢慢展开。
临床预测模型汇总图
