產(chǎn)后壓力性尿失禁風(fēng)險(xiǎn)預(yù)測(cè)模型的系統(tǒng)評(píng)價(jià)

王麗云，張明慧，張新月，沙凱輝

（1.濱州醫(yī)學(xué)院護(hù)理學(xué)院，山東濱州 256600；2.山東第一醫(yī)科大學(xué)附屬省立醫(yī)院神經(jīng)內(nèi)科，山東濟(jì)南 250021）

國(guó)際尿控協(xié)會(huì)(International Continence Society,ICS)定義壓力性尿失禁（Stress Urinary Incontinence,SUI）為當(dāng)咳嗽、打噴嚏等腹腔內(nèi)壓急劇增高時(shí)出現(xiàn)不可控制的溢尿現(xiàn)象[1]，是女性尿失禁的常見(jiàn)類型[2]。產(chǎn)后SUI 發(fā)生在產(chǎn)后這一特殊時(shí)期， 可能與妊娠和分娩造成盆底結(jié)構(gòu)損傷以及雌激素分泌改變導(dǎo)致盆底肌力下降、韌帶松弛、尿道收縮功能異常等因素有關(guān)[3]。 據(jù)報(bào)道，產(chǎn)后SUI 的患病率為6.9%～47%[2，4]，患病率隨年齡增長(zhǎng)而升高[5]，約3/4 產(chǎn)后SUI 患者的尿失禁癥狀可持續(xù)到產(chǎn)后12 年[6]，持續(xù)性SUI 患者的生活質(zhì)量較低[7]，社會(huì)成本較大[8]。 由于羞恥感、對(duì)SUI 疾病認(rèn)知不足以及經(jīng)濟(jì)方面等原因?qū)е庐a(chǎn)后SUI 就診率較低[9-10]。因此，識(shí)別高危人群對(duì)產(chǎn)后SUI進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)至關(guān)重要。 國(guó)內(nèi)外學(xué)者通過(guò)建立預(yù)測(cè)模型來(lái)識(shí)別產(chǎn)后SUI 患者， 本研究對(duì)國(guó)內(nèi)外發(fā)表的產(chǎn)后SUI 風(fēng)險(xiǎn)預(yù)測(cè)模型進(jìn)行總結(jié)、比較和分析，以期為國(guó)內(nèi)外學(xué)者精準(zhǔn)選擇合適的產(chǎn)后SUI 預(yù)測(cè)模型以及對(duì)預(yù)測(cè)模型改進(jìn)及優(yōu)化提供借鑒。

1 資料和方法

1.1 文獻(xiàn)檢索策略 計(jì)算機(jī)系統(tǒng)檢索國(guó)內(nèi)外數(shù)據(jù)庫(kù)， 包括PubMed、EBSCO、The Cochrane Library、Embase、Web of Science、中國(guó)知網(wǎng)、中國(guó)生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫(kù)、萬(wàn)方、和維普。 中文檢索詞為產(chǎn)后、分娩后、尿失禁、漏尿、預(yù)測(cè)、模型、風(fēng)險(xiǎn)評(píng)分、列線圖。 英文檢索詞為：postpartum period、puerperium、delivery、after birth、post birth、urinary incontinence,stress、 SUI、urinary incontinence、leakage of urine、risk、risk factors、predict*、 model、nomogram、 score。 檢索策略采用主題詞結(jié)合自由詞， 輔以手工檢索和滾雪球方式追溯納入文獻(xiàn)的參考文獻(xiàn)及引證文獻(xiàn)。 檢索時(shí)限為建庫(kù)至2023 年6 月。

1.2 文獻(xiàn)納入和排除標(biāo)準(zhǔn) 納入標(biāo)準(zhǔn)：（1） 研究對(duì)象為產(chǎn)后的成年女性；（2）研究?jī)?nèi)容為產(chǎn)后SUI 的風(fēng)險(xiǎn)測(cè)模型的構(gòu)建或驗(yàn)證；（3）研究設(shè)計(jì)類型為病例對(duì)照研究、橫斷面研究、隨機(jī)對(duì)照試驗(yàn)、隊(duì)列研究。文獻(xiàn)排除標(biāo)準(zhǔn)：（1）重復(fù)發(fā)表和無(wú)法獲取全文文獻(xiàn)；（2）非中英文的文獻(xiàn)；（3）以標(biāo)題、摘要、來(lái)信、會(huì)議通知或干預(yù)草案等形式報(bào)道的文獻(xiàn)；（4）僅為產(chǎn)后SUI 預(yù)測(cè)因素、危險(xiǎn)因素研究，未構(gòu)建預(yù)測(cè)模型。

1.3 文獻(xiàn)篩選及數(shù)據(jù)提取方法 2 名研究者根據(jù)納排標(biāo)準(zhǔn)獨(dú)立篩選文獻(xiàn)和提取數(shù)據(jù)。 重復(fù)題錄使用NoteExpress 軟件刪除，通過(guò)閱讀題目、摘要將明顯不相關(guān)文獻(xiàn)排除，再通過(guò)全文閱讀進(jìn)行二次篩選，遇分歧時(shí)則與第3 人討論決定取舍。確定納入文獻(xiàn)后，根據(jù)預(yù)測(cè)模型研究系統(tǒng)評(píng)價(jià)的關(guān)鍵評(píng)估和數(shù)據(jù)提取清單 （Critical Appraisal and Data Extraction for Systematic Reviews of Prediction Modelling Studies:the CHARMS checklist）[11]進(jìn)行數(shù)據(jù)提取并交叉核對(duì)，提取內(nèi)容包括：第一作者、國(guó)家、目標(biāo)人群、候選變量、建模樣本量、缺失數(shù)據(jù)及處理方法、建模方法、模型性能、驗(yàn)證方法、呈現(xiàn)方式和預(yù)測(cè)因子等。

1.4 文獻(xiàn)質(zhì)量評(píng)價(jià) 2 名研究者采用預(yù)測(cè)模型偏倚風(fēng)險(xiǎn)評(píng)估工具 （Prediction Model Risk of Bias Assessment Tool，PROBAST）對(duì)納入文獻(xiàn)的模型獨(dú)立評(píng)價(jià)并進(jìn)行交叉核對(duì)[12]，若評(píng)價(jià)意見(jiàn)存在分歧，則與第3 名研究人員進(jìn)行討論達(dá)成一致意見(jiàn)。

1.4.1 偏倚風(fēng)險(xiǎn)評(píng)估 PROBAST 的偏倚風(fēng)險(xiǎn)評(píng)估涵蓋研究對(duì)象、 預(yù)測(cè)因子、 結(jié)局和統(tǒng)計(jì)分析4 個(gè)領(lǐng)域，共計(jì)20 個(gè)問(wèn)題。 根據(jù)納入文獻(xiàn)對(duì)每個(gè)問(wèn)題進(jìn)行判斷，結(jié)果用“是/可能是”、“否/可能否”或“未提供信息”回答。 “是/可能是”表示該領(lǐng)域偏倚風(fēng)險(xiǎn)低，“否/可能否”代表偏倚風(fēng)險(xiǎn)高。 若未提及相關(guān)問(wèn)題內(nèi)容，判斷為“未提供信息”。若文獻(xiàn)中提供的信息不足以確定判斷，歸為“可能是”或“可能不是”。所有領(lǐng)域均為“低風(fēng)險(xiǎn)”，整體判斷則為“低風(fēng)險(xiǎn)”，若有1 個(gè)領(lǐng)域?yàn)椤案唢L(fēng)險(xiǎn)”，則適用性為“高風(fēng)險(xiǎn)”。 若某領(lǐng)域?yàn)椤安磺宄保渌I(lǐng)域均為“低風(fēng)險(xiǎn)”，適用性為“不清楚”。

1.4.2 適用性評(píng)估 適用性評(píng)估包括研究對(duì)象、預(yù)測(cè)因子和結(jié)局3 個(gè)領(lǐng)域，判斷過(guò)程與偏倚風(fēng)險(xiǎn)相似。

2 結(jié)果

2.1 文獻(xiàn)篩選流程及結(jié)果 數(shù)據(jù)庫(kù)檢索獲得2 797篇相關(guān)文獻(xiàn)，去除重復(fù)文獻(xiàn)后剩余2 228 篇文獻(xiàn)，經(jīng)逐層篩選，最終納入17 篇文獻(xiàn)。 文獻(xiàn)篩選流程見(jiàn)圖1。

圖1 文獻(xiàn)篩選流程

2.2 預(yù)測(cè)模型的基本特征 本研究共納入17 項(xiàng)研究[13-29]，80%（14/17）的產(chǎn)后SUI 風(fēng)險(xiǎn)預(yù)測(cè)模型發(fā)表于近5 年，發(fā)表國(guó)家主要為中國(guó)（n=14）、巴西（n=2）和美國(guó)（n=1）。 其中4 項(xiàng)[15，17，19，21]前瞻性隊(duì)列研究，7 項(xiàng)[13-14，16，18，20，25-26]回顧性隊(duì)列研究，3 項(xiàng)[23，28-29]病例對(duì)照研究，3 項(xiàng)[22，24，27]橫斷面研究。 13 項(xiàng)研究[13-15，17-18，20，22-27,29]模型類型為模型開(kāi)發(fā)，4 項(xiàng)研究[16，19，21，28]為模型開(kāi)發(fā)與驗(yàn)證。 各研究目標(biāo)人群不同，6 項(xiàng)研究[14-15，18，22，24，26]目標(biāo)人群為初產(chǎn)婦，1 項(xiàng)研究[27]為經(jīng)產(chǎn)婦，9 項(xiàng)研究[13，16，19-21，23，25，28-29]將初產(chǎn)婦和經(jīng)產(chǎn)婦一同納入建立預(yù)測(cè)模型，1 項(xiàng)研究[17]將初產(chǎn)婦和經(jīng)產(chǎn)婦分別建立預(yù)測(cè)模型（表1）。

表1 納入研究的基本特征

2.3 預(yù)測(cè)模型的樣本量和建模方法 17 項(xiàng)研究報(bào)告了20 個(gè)產(chǎn)后SUI 風(fēng)險(xiǎn)預(yù)測(cè)模型，所有研究均報(bào)告了建模所需的樣本量，樣本量在115～2 441 之間。在建模方法方面，有14 項(xiàng)研究[13-21，23，26-29]使用Logistic回歸構(gòu)建模型，2 項(xiàng)研究[22，24]使用分類與回歸樹(shù)構(gòu)建預(yù)測(cè)模型，1 項(xiàng)研究[25]分別使用Logistic 回歸和決策樹(shù)構(gòu)建預(yù)測(cè)模型， 并比較2 個(gè)模型的預(yù)測(cè)性能篩選出最優(yōu)模型（表2）。

表2 產(chǎn)后壓力性尿失禁風(fēng)險(xiǎn)預(yù)測(cè)模型構(gòu)建基本情況

2.4 預(yù)測(cè)模型的預(yù)測(cè)因子及預(yù)測(cè)性能 納入研究的候選預(yù)測(cè)因子共39 個(gè)， 各研究的候選預(yù)測(cè)因子10～38 個(gè)，1 項(xiàng)研究[15]未報(bào)告候選預(yù)測(cè)因子。 納入預(yù)測(cè)模型的預(yù)測(cè)因子數(shù)目4～13 個(gè)， 納入預(yù)測(cè)模型次數(shù)在前5 位的有分娩方式（n=14）、妊娠期尿失禁（n=11）、妊娠年齡（n=9）、新生兒體質(zhì)量（n=8）、產(chǎn)次（n=7）。 在模型的預(yù)測(cè)性能方面，有15 項(xiàng)研究[13-22，25-29]報(bào)告了區(qū)分度指標(biāo)（AUC 和C 指數(shù)），AUC 或C 指數(shù)在0.68～0.97 之間，說(shuō)明大部分預(yù)測(cè)模型的區(qū)分度良好。 9項(xiàng)研究[15-17，19-21，26-28]使用Hosmer-Lemeshow 擬合優(yōu)度檢驗(yàn)和/或校準(zhǔn)度圖評(píng)價(jià)預(yù)測(cè)模型的校準(zhǔn)度，結(jié)果均顯示校準(zhǔn)度良好。此外，僅有5 項(xiàng)研究[13-14，25，27，29]報(bào)告靈敏度和特異度，靈敏度在48.7%～94.7%，特異度在76%～100.0%之間（表3）。

表3 產(chǎn)后壓力性尿失禁風(fēng)險(xiǎn)預(yù)測(cè)模型

2.5 預(yù)測(cè)模型的驗(yàn)證及呈現(xiàn)方式 在預(yù)測(cè)模型的驗(yàn)證方面，4 項(xiàng)研究[16，19，21，28]分別進(jìn)行了內(nèi)部驗(yàn)證和外部驗(yàn)證，5 項(xiàng)研究[15，17，20，25-26]僅進(jìn)行了內(nèi)部驗(yàn)證，其余8 項(xiàng)研究[13-14，18，22-24，27，29]未進(jìn)行模型驗(yàn)證。在預(yù)測(cè)模型呈現(xiàn)方式方面，9 項(xiàng)研究[15-21，26，29]使用列線圖呈現(xiàn)，4 項(xiàng)研究[13-14，27-28]采用風(fēng)險(xiǎn)計(jì)算公式呈現(xiàn)，1 項(xiàng)研究[15]除列線圖呈現(xiàn)外還開(kāi)發(fā)了網(wǎng)頁(yè)風(fēng)險(xiǎn)計(jì)算器，2 項(xiàng)研究[22，24]使用分類樹(shù)呈現(xiàn)，1 項(xiàng)研究[25]使用決策樹(shù)，1 項(xiàng)研究[23]未報(bào)告呈現(xiàn)方式（表3）。

2.6 偏倚風(fēng)險(xiǎn)和適用性評(píng)價(jià)結(jié)果

2.6.1 研究對(duì)象領(lǐng)域 13 項(xiàng)研究[13-14，16，18，20，22-27，29]被認(rèn)為偏倚風(fēng)險(xiǎn)較高，原因主要是回顧性隊(duì)列研究、病例對(duì)照研究和橫斷面研究所收集的數(shù)據(jù)距離預(yù)測(cè)結(jié)局時(shí)間較為久遠(yuǎn)，可能導(dǎo)致信息準(zhǔn)確性或完整性上的差異，較差數(shù)據(jù)質(zhì)量以及無(wú)法測(cè)量的預(yù)測(cè)因素均可能造成偏倚[11]，其中1 項(xiàng)研究[29]未報(bào)告研究對(duì)象的測(cè)量時(shí)間，可能造成高偏倚風(fēng)險(xiǎn)。1 項(xiàng)研究[28]偏倚風(fēng)險(xiǎn)不清楚，原因是該研究納入標(biāo)準(zhǔn)將符合產(chǎn)后SUI 診斷標(biāo)準(zhǔn)的納入產(chǎn)后SUI 組，而不符合診斷標(biāo)準(zhǔn)者未報(bào)告處理方法。 其余研究[15，17，21]均為低偏倚風(fēng)險(xiǎn)（表4）。

表4 偏倚風(fēng)險(xiǎn)及適用性評(píng)價(jià)結(jié)果

2.6.2 預(yù)測(cè)因子領(lǐng)域 17 項(xiàng)研究中，3 項(xiàng)研究[23，28-29]被評(píng)為高偏倚風(fēng)險(xiǎn)， 因?yàn)椴±龑?duì)照研究是在結(jié)果已知情況下收集預(yù)測(cè)變量，對(duì)研究人員無(wú)法使用盲法，測(cè)量過(guò)程易受結(jié)局影響。 4 項(xiàng)研究[15，17-18，27]雖然為多中心研究，但明確指出按統(tǒng)一標(biāo)準(zhǔn)對(duì)預(yù)測(cè)變量評(píng)估，因此被評(píng)為低偏倚風(fēng)險(xiǎn)。 4 項(xiàng)[15，17，19，21]前瞻性隊(duì)列研究預(yù)測(cè)因素在結(jié)局發(fā)生之前，默認(rèn)使用盲法，被評(píng)為低偏倚風(fēng)險(xiǎn)（表4）。

2.6.3 結(jié)局領(lǐng)域 15 項(xiàng)研究[13-27]結(jié)局領(lǐng)域偏倚風(fēng)險(xiǎn)低。 沈丹萍[29]的研究中未報(bào)告預(yù)測(cè)因子評(píng)估時(shí)間和結(jié)局的時(shí)間間隔，被評(píng)為偏倚風(fēng)險(xiǎn)不清楚。 張偉娜[28]的研究中未報(bào)告結(jié)局的定義， 故評(píng)為偏倚風(fēng)險(xiǎn)不清楚（表4）。

2.6.4 分析領(lǐng)域 17 項(xiàng)研究均為高偏倚風(fēng)險(xiǎn)或不清楚。 對(duì)于預(yù)測(cè)模型的樣本量，6 項(xiàng)研究[18，20，22，24-25，29]每變量事件數(shù)（Event Per Variable, EPV）＜20 或樣本量不足造成高偏倚風(fēng)險(xiǎn)，有研究發(fā)現(xiàn)EPV≥20 可以滿足建模樣本量要求，減少預(yù)測(cè)模型過(guò)擬合現(xiàn)象[30]。對(duì)于缺失數(shù)據(jù)的處理，7 項(xiàng)研究[13，21-22，24-25，27，29]直接排除數(shù)據(jù)缺失的病例， 其余研究未報(bào)告缺失數(shù)據(jù)及處理方法。 對(duì)預(yù)測(cè)模型的性能評(píng)估，2 項(xiàng)研究[23-24]未報(bào)告預(yù)測(cè)模型的區(qū)分度，7 項(xiàng)研究[13-14，22-24，29]未報(bào)告校準(zhǔn)度，8 項(xiàng)研究[13-14，18，21-24，29]未報(bào)告模型過(guò)擬合或擬合不足情況， 預(yù)測(cè)模型的實(shí)際預(yù)測(cè)能力有待進(jìn)一步驗(yàn)證。所有研究均未報(bào)告數(shù)據(jù)中的復(fù)雜性處理情況（表4）。

2.6.5 適用性評(píng)價(jià) 在預(yù)測(cè)模型適用性方面，2 項(xiàng)研究[28-29]適用性不清楚，主要在預(yù)測(cè)因子和結(jié)局方面，其余研究適用性良好。

3 討論

3.1 現(xiàn)有預(yù)測(cè)模型對(duì)臨床有指導(dǎo)意義 產(chǎn)后SUI的發(fā)生率高，嚴(yán)重影響產(chǎn)婦的日常生活和身心健康，產(chǎn)后SUI 風(fēng)險(xiǎn)評(píng)估工具可以早期識(shí)別高風(fēng)險(xiǎn)人群，及時(shí)為孕產(chǎn)婦實(shí)施干預(yù)措施，降低產(chǎn)后SUI 發(fā)生率。本研究共納入17 項(xiàng)研究、20 個(gè)預(yù)測(cè)模型進(jìn)行分析，16 個(gè)預(yù)測(cè)模型區(qū)分度較好， 能夠準(zhǔn)確識(shí)別產(chǎn)后SUI高危人群。除了較高的預(yù)測(cè)準(zhǔn)確性外，簡(jiǎn)便性也同樣重要。 模型的簡(jiǎn)便性主要體現(xiàn)在預(yù)測(cè)因子是否簡(jiǎn)單易得和評(píng)估的過(guò)程是否方便快捷。在預(yù)測(cè)因子方面，預(yù)測(cè)因子的數(shù)目越多， 構(gòu)建模型的過(guò)程中越可能出現(xiàn)過(guò)擬合現(xiàn)象， 本研究納入預(yù)測(cè)模型的預(yù)測(cè)因子數(shù)量為4～13 個(gè)，大部分預(yù)測(cè)因子可以客觀測(cè)量、容易收集。 評(píng)估過(guò)程方面，多數(shù)研發(fā)者使用列線圖呈現(xiàn)預(yù)測(cè)模型，使計(jì)算方式更方便快捷，預(yù)測(cè)結(jié)果更具可讀性。產(chǎn)后SUI 預(yù)測(cè)模型出現(xiàn)頻次較高的預(yù)測(cè)因子有分娩方式、妊娠期尿失禁、妊娠年齡、新生兒體質(zhì)量、產(chǎn)次，有多項(xiàng)研究證實(shí)以上預(yù)測(cè)因子是產(chǎn)后SUI 的重要危險(xiǎn)因素[4，5]。 因此，醫(yī)務(wù)人員應(yīng)重視有以上危險(xiǎn)因素的孕產(chǎn)婦，從危險(xiǎn)因素角度出發(fā)，針對(duì)病因提出個(gè)性化干預(yù)措施，加強(qiáng)妊娠期管理，預(yù)防產(chǎn)后SUI 的發(fā)生。

3.2 數(shù)據(jù)來(lái)源和預(yù)測(cè)因子的選擇影響預(yù)測(cè)模型性能 在數(shù)據(jù)來(lái)源方面， 大部分研究采用回顧性隊(duì)列研究開(kāi)發(fā)預(yù)測(cè)模型，預(yù)測(cè)因子可能不全面，可能存在信息偏倚。前瞻性隊(duì)列研究的數(shù)據(jù)代表性好，通過(guò)文獻(xiàn)回顧篩選候選預(yù)測(cè)因子， 收集臨床數(shù)據(jù)， 統(tǒng)一評(píng)估預(yù)測(cè)因子，在一定程度上可以改善預(yù)測(cè)模型質(zhì)量[31]。 未來(lái)開(kāi)發(fā)預(yù)測(cè)模型，盡量選擇前瞻性隊(duì)列研究，降低信息偏倚對(duì)模型的影響。 有些研究最終納入的預(yù)測(cè)因子可能對(duì)產(chǎn)后SUI 的預(yù)防并無(wú)幫助，因?yàn)橛行┲笜?biāo)在分娩前未知，比如是否使用產(chǎn)鉗及母乳喂養(yǎng)等， 將其作為預(yù)測(cè)因子意味著預(yù)測(cè)模型的使用時(shí)間是在分娩后， 可能產(chǎn)后SUI 高風(fēng)險(xiǎn)時(shí)段已經(jīng)過(guò)去， 對(duì)于分娩前醫(yī)療護(hù)理措施的制定價(jià)值有限。未來(lái)應(yīng)開(kāi)發(fā)涵蓋整個(gè)妊娠、分娩和產(chǎn)后時(shí)期的動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估系統(tǒng)，預(yù)測(cè)產(chǎn)后SUI 的發(fā)生。

3.3 機(jī)器學(xué)習(xí)在產(chǎn)后SUI 預(yù)測(cè)模型的應(yīng)用有待研究 現(xiàn)有產(chǎn)后SUI 預(yù)測(cè)模型建模方法較為單一，多使用Logistic 回歸建模。 2018 年國(guó)家衛(wèi)生健康委員會(huì)發(fā)行的《全國(guó)醫(yī)院信息化建設(shè)標(biāo)準(zhǔn)與規(guī)范（試行）》中提到要利用人工智能技術(shù)對(duì)疾病風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)。機(jī)器學(xué)習(xí)能夠?qū)?shù)據(jù)描述、學(xué)習(xí)、分析以及預(yù)測(cè)[32]，和傳統(tǒng)數(shù)學(xué)模型相比，機(jī)器學(xué)習(xí)的靈敏度、特異度和預(yù)測(cè)性能更高。國(guó)內(nèi)外學(xué)者將機(jī)器學(xué)習(xí)廣泛應(yīng)用在疾病風(fēng)險(xiǎn)預(yù)測(cè)模型構(gòu)建和驗(yàn)證中[33]，但在產(chǎn)后SUI 預(yù)測(cè)模型的研究鮮有報(bào)道，未來(lái)建議使用機(jī)器學(xué)習(xí)構(gòu)建產(chǎn)后SUI 風(fēng)險(xiǎn)預(yù)測(cè)模型，以彌補(bǔ)傳統(tǒng)預(yù)測(cè)模型的不足。

3.4 預(yù)測(cè)模型的適應(yīng)性需進(jìn)一步驗(yàn)證 內(nèi)部驗(yàn)證能夠更準(zhǔn)確評(píng)估模型表現(xiàn)和調(diào)整過(guò)擬合， 外部驗(yàn)證可用于測(cè)試模型可推廣性及可泛化性[34]。 本研究中僅9 個(gè)預(yù)測(cè)模型進(jìn)行內(nèi)部驗(yàn)證，4 個(gè)預(yù)測(cè)模型進(jìn)行外部驗(yàn)證，且多數(shù)研究為單中心研究，納入的目標(biāo)人群并未統(tǒng)一，模型的構(gòu)建是基于本地區(qū)產(chǎn)婦，診斷及評(píng)價(jià)指標(biāo)未標(biāo)準(zhǔn)化， 構(gòu)建時(shí)并未考慮在后期模型推廣時(shí)的地域、經(jīng)濟(jì)水平、教育水平和文化程度等方面差異。建議未來(lái)產(chǎn)后SUI 預(yù)測(cè)模型構(gòu)建時(shí)，采用交叉驗(yàn)證、Boostrap 等方法進(jìn)行內(nèi)部驗(yàn)證，采用開(kāi)發(fā)隊(duì)列以外的數(shù)據(jù)進(jìn)行外部驗(yàn)證， 采用多中心研究以確保預(yù)測(cè)模型的泛化能力。

3.5 預(yù)測(cè)模型的結(jié)果報(bào)告需進(jìn)一步規(guī)范 在結(jié)果報(bào)告方面， 納入的所有研究均未按照個(gè)體預(yù)后與診斷的多變量預(yù)測(cè)模型透明報(bào)告（Transparent Reporting of a Multivariate Prediction Model for Individual Prognosis or Diagnosis, TRIPOD）進(jìn)行報(bào)告[35]，使大部分預(yù)測(cè)模型的構(gòu)建過(guò)程不透明， 影響了文獻(xiàn)的質(zhì)量評(píng)價(jià)結(jié)果。 僅考慮區(qū)分度和校準(zhǔn)度并不能完整評(píng)價(jià)預(yù)測(cè)模型的使用價(jià)值，還應(yīng)報(bào)告靈敏度、特異度、陽(yáng)性預(yù)測(cè)值和陰性預(yù)測(cè)值等指標(biāo)。 在本研究中，僅有5個(gè)預(yù)測(cè)模型[13-14，25，27，29]報(bào)告敏感度、特異度，1 個(gè)預(yù)測(cè)模型[25]報(bào)告陽(yáng)性預(yù)測(cè)值和陰性預(yù)測(cè)值。 因此，建議研究者參考TRIPOD 對(duì)預(yù)測(cè)模型進(jìn)行報(bào)告，以提高預(yù)測(cè)模型構(gòu)建過(guò)程的透明性。

3.6 研究的局限性 本系統(tǒng)評(píng)價(jià)存在一定的局限性：（1）本研究?jī)H納入以中、英文發(fā)表的文獻(xiàn)，可能存在文獻(xiàn)遺漏；（2）由于研究設(shè)計(jì)、隨訪時(shí)間、建模方法等存在較大異質(zhì)性， 本研究?jī)H進(jìn)行了定性分析；（3）大部分預(yù)測(cè)模型未進(jìn)行外部驗(yàn)證， 且尚未發(fā)現(xiàn)在臨床應(yīng)用，預(yù)測(cè)模型可推廣性有待驗(yàn)證。

4 結(jié)論

產(chǎn)后SUI 風(fēng)險(xiǎn)預(yù)測(cè)模型尚處于初步發(fā)展階段，大部分預(yù)測(cè)模型的預(yù)測(cè)性能較好，但建模方法學(xué)存在一定缺陷，整體偏倚風(fēng)險(xiǎn)較高。 未來(lái)產(chǎn)后SUI 風(fēng)險(xiǎn)預(yù)測(cè)開(kāi)發(fā)應(yīng)遵循PROBAST 標(biāo)準(zhǔn)，構(gòu)建預(yù)測(cè)性能優(yōu)良、偏倚風(fēng)險(xiǎn)低、便于臨床應(yīng)用的預(yù)測(cè)模型。