🙋‍♀️哈喽，各位医学er ,今天想给大家分享一篇发表在Lancet子刊《eBioMedicine》上的经典文献，该文主要介绍了利用机器学习预测心脏骤停的不良预后。可以学习和借鉴的地方有很多，值得深读。 📌文章题目： Predicting survival and neurological outcome in out-of-hospital cardiac arrest using machine learning: the SCARS model （由于字数原因，详细解读看图片噢） 🎈关键问题一：不平衡相关问题 1️⃣降采样解决不平衡：数据采样是最常用于解决不平衡的方法，本文亦是如此。由于本文数据量很大，作者采用了下采样技术，对多数类进行删除，以此达到类别平衡。 2️⃣采样技术只能在训练集用：这个十分关键，切记不能出错。本文作者将数据划分为training、evaluation（也就是validation）和test数据集，但作者只在训练集上做了类别平衡。 3️⃣阈值调整也可解决类别不平衡：阈值调整也是最常用解决类不均衡的技术之一，但选择最优阈值的方法也很多。文中就用了3种，分别是"灵敏度最大化"、"约登指数最大化"、"达到95%灵敏度"。 4️⃣阈值调整只能在训练集上使用：与采样技术一致，阈值调整也只能在训练集上做，同样切记这点。作者只在训练集上做了3种情形下的阈值调整，而后分别在该阈值下评估模型性能（包括evaluation和test数据集）。 🎈关键问题二：变量重要性新思路 🎈关键问题三：应用不可少 👉PS:如果您也想发一篇SCI，没条件做实验，没条件收集数据，您可以尝试学习挖掘公共数据库做临床研究。 刚开始入门难，可以找位老师一对一带着你学嗷。🧐