《BMC Nephrology》：Comparative performance of risk prediction models for kidney disease: an external validation using 0.5 million UK Biobank participants
编辑推荐：
本研究通过系统比较现有16个慢性肾脏病（CKD）及肾衰竭风险预测模型，为解决模型在普通人群及2型糖尿病患者中性能评估不一的问题提供了关键证据。该研究基于近50万英国生物银行（UK Biobank）参与者数据，对模型进行了广泛的外部验证。结果表明，多数模型具有良好至优秀的区分度（c-指数0.695-0.806），但标定性能普遍欠佳。未来模型开发应纳入糖尿病用药信息，以提升其在糖尿病患者等特定人群中的预测能力。
在全球范围内，慢性肾脏病（Chronic Kidney Disease, CKD）和肾衰竭已经成为重大的公共卫生问题。随着人口老龄化及2型糖尿病、高血压等慢性病的流行，肾脏疾病的负担日益加剧。及早识别高危人群并进行干预，是延缓疾病进展、改善预后的关键。在这一背景下，基于统计学的风险预测模型应运而生，它们通过整合年龄、血压、血糖、肾功能指标等多种信息，来评估个体未来发生CKD或肾衰竭的风险。这些模型在理论上可以为临床医生提供决策支持，帮助实现精准预防和个体化管理。
然而，现实情况却充满挑战。尽管近年来学术界已开发出不少风险预测模型，但这些模型的“实战”表现究竟如何，却是一个悬而未决的问题。许多模型在最初开发的特定人群中表现优异，但“换一个战场”到不同的人群、地区或医疗机构中，其预测准确性就可能大打折扣，这种现象被称为模型泛化能力不足。特别是对于2型糖尿病患者——他们是CKD进展的最高危人群之一，现有的模型是否依然可靠？不同的模型，有的针对普通人群，有的专门为糖尿病患者设计，到底哪一款表现更胜一筹？这些问题，不仅让临床医生在选择工具时感到困惑，也制约了这些模型在真实世界中的广泛应用。更重要的是，模型表现不佳可能导致错误的危险分层，要么让本应接受密切监测的高危患者漏网，要么让低风险患者承受不必要的检查与焦虑。
为了解决这些关键问题，一篇发表在《BMC Nephrology》上的研究，进行了一次规模空前的“模型大比武”。研究团队的目标非常明确：在真实世界的大规模人群中，系统性比较现有肾脏疾病风险预测模型的性能，特别是区分高危人群的能力（即区分度）和预测风险与实际风险的一致性（即标定），并评估模型在不同亚组（如是否患有糖尿病、高血压，以及不同年龄、性别、种族）中的表现差异。这项研究的意义在于，它能为未来临床实践和模型优化提供直接、可靠的证据，告诉我们哪些模型值得信赖，哪些模型需要“回炉重造”，以及新模型开发应重点关注哪些因素。
为了回答上述问题，研究人员进行了一项大规模的外部验证研究。他们首先从3篇近期的系统综述中，筛选出了16个已发表的CKD或肾衰竭风险预测模型。其中，7个模型适用于普通人群，9个模型专门针对2型糖尿病患者。研究的数据基础来源于英国生物银行（UK Biobank）这一大型前瞻性队列，共纳入了近50万名年龄在38至73岁之间的成年人。研究者利用这些参与者的基线数据、随访信息（中位随访12.2年），逐一运行了这16个预测模型，并采用c-指数、标定斜率和截距、Brier分数等指标，全面评估了模型在整体人群及不同亚组中的区分度与标定性能。
研究人员通过这项大规模的外部验证，得出了一系列关键发现。这些结果为我们理解现有风险预测模型的实际效能提供了清晰的图景。
预测模型在无糖尿病人群中表现
对于不患有糖尿病的普通人群，所评估的预测模型展现出了“尚可”到“优秀”的区分能力，其c-指数范围在0.695到0.806之间。这意味着一款优秀的模型（c-指数接近0.806）能很好地将未来会发生CKD的患者与不会发生的个体区分开来。然而，一个普遍而严重的问题是，这些模型大多存在显著的“风险高估”现象，即模型预测的发病风险远高于实际观察到的风险。这表明，虽然模型能找出高危人群，但给出的具体风险概率数字并不可靠。
最佳表现模型
在所有的比较中，O'Seaghdha模型脱颖而出，展现了最佳的综合性能。在区分度方面，其c-指数达到了0.806（95%置信区间：0.806-0.807），表现优秀。在标定方面，其标定斜率为0.69，截距为-0.011，Brier分数为0.03，虽然并非完美（完美的标定是斜率为1，截距为0），但相较于其他严重高估风险的模型，其预测风险与实际风险更为接近。因此，该模型被认为是当前在普通人群中最具应用潜力的模型之一。
糖尿病特异性模型的性能
在专门针对2型糖尿病患者开发的9个模型中，一个重要的发现是：那些将糖尿病用药情况纳入考量的模型，其性能表现更为优越。这提示，治疗信息是提升糖尿病患者肾脏风险预测准确性的关键变量。然而，总体来看，模型在糖尿病人群中的区分性能要差于在无糖尿病人群中的表现。这凸显了在高危的糖尿病人群中，进行精准风险预测的难度更大，现有模型仍有很大的改进空间。
模型在高血压人群中的性能
与糖尿病人群类似，模型在已患有高血压的亚组人群中，其区分性能也较差。高血压是CKD的另一主要危险因素，模型在这一重要亚组中表现不佳，限制了其在临床高危人群管理中的应用价值。
模型的标定问题
研究的另一个核心发现是，许多模型存在严重的“误标定”。具体表现为，对于CKD（慢性肾脏病）风险，大多数模型出现了实质性的“风险高估”；相反，对于肾衰竭风险，则倾向于“风险低估”。这种不一致的标定错误表明，模型预测的概率值不能直接用于临床决策，在投入实际应用前，必须根据目标人群的数据进行重新校准（recalibration），以修正其预测概率。
模型性能总结
综合来看，本研究的主要结论是：大多数被评估的模型对于预测慢性肾脏病（CKD）展现了尚可至优秀的区分度，对于预测肾衰竭则展现了良好至优秀的区分度。然而，模型的标定性能普遍不理想，这是一个亟需解决的问题。模型在糖尿病患者或高血压患者中的表现更差。基于这些发现，研究的最终讨论部分强调，未来在开发新的CKD风险预测模型时，应当将糖尿病用药情况纳入模型变量，这有望显著提升模型，尤其是在糖尿病人群中的区分能力。这项大规模的外部验证研究为肾脏病风险预测领域的临床转化和模型优化指明了清晰的路径：在追求高区分度的同时，必须高度重视模型的标定性能，并对不同临床特征的人群进行针对性的验证与校准，如此才能让风险预测模型真正成为临床医生手中可靠的工具。
