摘要
研究目的：开发一个针对中国老年人群认知衰退的简易风险预测模型，并通过时间验证与外部验证评估其性能与可迁移性，验证对象为日本老年人群。
研究方法：该预测模型使用来自中国健康与养老追踪调查（CHARLS，2011-2015年）的5,985名认知正常老年人作为开发队列进行构建。研究对七种机器学习算法进行了比较，基于性能与简约性的最佳平衡，选择了标准Cox比例风险（CoxPH）模型。最终模型随后在时间队列（CHARLS 2015-2018年，n=1,333）和外部队列（日本老龄化与退休研究[JSTAR] 2007-2009年，n=2,798）中进行了验证。研究在训练数据上开发了一个全面的预处理流程，包括对高缺失率预测变量进行迭代插补和对分类变量进行独热编码，并将此流程应用于所有队列。模型性能通过区分度、校准度、风险分层和临床效用进行评估。
研究结果：在时间验证中，该模型表现出强劲的性能，曲线下面积（AUC）达0.72，校准可靠（斜率=1.02）。在外部JSTAR队列中，该模型保持了较高的区分能力（AUC=0.68），甚至优于开发集（AUC=0.62）。然而，观察到明显的校准偏移（斜率=1.54），表明在日本低患病率人群中，绝对风险被系统性低估。虽然决策曲线分析（DCA）显示在时间队列中有显著的净获益，但在外部队列中，其效用仅在接近人群患病率的狭窄阈值范围内最为有效。敏感性分析证实，该模型的风险排序能力在2年和4年时间范围内保持稳健。
研究结论：本研究的6预测因子模型在不同队列间显示出稳健的风险排序一致性，但绝对风险估计对人群和时间差异敏感。虽然该模型对识别高风险个体有效，但在新环境中进行准确的临床预后需要进行本地重新校准。
【全文结束】
