从变量筛选到模型验证到列线图，一套走完。重点是把"过拟合"这件事摆到台面上，而不是给你一个漂亮但不可用的 AUC。
流程
- 变量筛选：单因素筛选、LASSO 回归、随机森林重要性排序。
- 模型训练：逻辑回归、随机森林等；随机森林固定单线程以保证服务稳定。
- 性能评价：ROC 与 AUC、校准曲线、决策曲线分析（DCA）。
- 可视化：列线图（Nomogram），可直接用于临床评分。
方法学提示
样本量不足、事件数过少时会明确提示，而不是照常输出结果——这是预测模型最常见的失效原因。
临床预测模型在线构建：逻辑回归、随机森林等算法训练与验证，输出 ROC 曲线、校准曲线、决策曲线
从变量筛选到模型验证到列线图，一套走完。重点是把"过拟合"这件事摆到台面上，而不是给你一个漂亮但不可用的 AUC。
样本量不足、事件数过少时会明确提示，而不是照常输出结果——这是预测模型最常见的失效原因。