《临床预测模型：开发、验证和更新实践方法（第2版）》（订购）
主编：［荷］尤文特·W.斯泰尔伯格
中国协和医科大学出版社

主编寄语

　　非常高兴本书能够出版中文译本。中国在全球科学研究中扮演着越来越重要的角色，因此系统性地指导如何开发、验证和更新预测模型和算法，将有助于研究人员开展高质量的研究。从明确研究问题开始，寻找合适的数据，再到采用相对简单且科学的方法，这些实践不仅能够推动有效的模型建立，也有助于提升预测模型在医疗实践与科研中的应用价值。同时，书中的内容也对深入理解预测模型背后的原理具有重要参考意义。

　　本书提出了众多提高预测研究质量切实可行的建议。尽管本书重点在于传统回归方法，但其中诸多原则同样适用于机器学习算法。中文译本的出版将有助于加深中国研究人员对预测建模核心问题的理解，推动构建更可靠、更可推广的模型，并在医疗实践与研究中发挥更大作用。

本书内容

　　预测模型是个性化循证医学、个体化临床决策的重要基石，广泛应用于医学各个领域。作者立足于医学预测研究普遍存在的样本量不足、统计方法滥用、过拟合、外推能力不足等现实问题，系统剖析各类错误做法的弊端，给出可现实可行的改进策略。全书讲述逻辑清晰，刻意精简了复杂公式，着重讲解核心概念，详细介绍了预测模型开发的7大步骤，客观辨析传统回归与机器学习等算法的适用边界，构建模型持续迭代更新的完整框架。

　　本书面向具备基础生物统计学知识的读者，受众覆盖从事模型构建的流行病学与生物统计研究者、需要评判预测类文献的临床医生与政策制定者，以及从事方法学探索的统计、计算机科研人员，对提升国内预测模型研究质量极具参考价值。

本书特色

　　直击科研高频现实误区

　　系统梳理连续变量二分类、小样本统计效能不足、逐步筛选法滥用、样本分割做验证、结论夸大、忽视过拟合、模型外推差等常见问题，剖析根源。

　　重概念轻复杂公式，叙事视角新颖

　　跳出统计学教材自下而上的讲授模式，采用自上而下的思路，围绕“如何做好结局预测”展开，降低阅读门槛。

　　提供完整实操路径

　　给出预测模型开发的7个核心步骤，推荐多重插补、自助重抽样等稳健方案，明确不同建模方法的适用场景。

　　分层适配三类目标读者

　　建模人员可学习完整实操流程；临床、政策从业者可跳过标记*的技术案例，完成文献批判性评价；方法学研究者可获取模拟实验与理论研究的启发。

　　立足个性化循证医学大背景

　　阐明预测模型在个体化风险评估、精准诊疗中的定位，提出模型持续改进、迭代更新的完整框架。

来源：中国协和医科大学出版社