臨床高危(CHR)范式促進了研究的基礎上，尋求幫助的個人有發(fā)展為精神病的風險百揭，旨在預測和可能防止過渡到顯性障礙轻抱。
預后模型是用來區(qū)分CHR個體與健康個體，即基于不同的數據模式恩沛，包括臨床、神經認知和神經生物學數據來進行判斷缕减。然而雷客，CHR人群和應用方法的高度異質性仍然阻礙了它們在臨床實踐中的應用。
我們系統(tǒng)地回顧了基于Cox回歸和機器學習的診斷和預后模型的文獻桥狡。此外搅裙，我們對預測性能進行了薈萃分析，考察了方法方法和數據形式的異質性裹芝。
這是個薈萃分析（meta-analysis）部逮，一共納入44篇文章，包括3707例預后研究和1052例診斷研究(572例CHR患者和480例健康對照受試者)嫂易。CHR患者可分為健康對照組兄朋，敏感性為78%，特異性為77%怜械。在所有預后模型中颅和，敏感性達到67%，特異性達到78%缕允。機器學習模型的靈敏度比應用Cox回歸的模型高10%融虽。此外，也有一些偏倚的預后研究灼芭，但沒有其他的調節(jié)作用有额。
我們的結果可能是由于大量的臨床和方法學的異質性，目前影響了CHR領域的幾個方面，限制了所提出的模型的臨床可實施性巍佑。
我們討論概念和方法的協(xié)調策略茴迁，為未來的臨床實踐提供更可靠和可推廣的模式。
參考文獻：
Sanfelici R, Dwyer DB, Antonucci LA, Koutsouleris N.Individualized Diagnostic and Prognostic Models for Patients With Psychosis Risk Syndromes: A Meta-analytic View on the State of the Art. Biol Psychiatry. 2020 Feb 20. pii: S0006-3223(20)30098-6. doi: 10.1016/j.biopsych.2020.02.009. [Epub ahead of print]
