Ключевые результаты
Систематический обзор 12 исследований прогностических моделей при дегенеративной шейной миелопатии (DCM) выявил существенные методологические проблемы. Точность моделей варьировала от AUC 0.53 до 0.93, однако все исследования имели высокий риск систематических ошибок в домене анализа данных.
Основные предикторы эффективности лечения:
- Возраст пациента
- Исходная оценка по шкалам JOA/mJOA
- Длительность симптомов
- Статус курения
- Сопутствующие заболевания
- Радиомические характеристики
Только 5 из 12 исследований представили данные как по дискриминации, так и по калибровке моделей, а 4 исследования провели и внутреннюю, и внешнюю валидацию.
Методология
Поиск литературы проводился в базах данных PubMed, Embase и Web of Science до мая 2026 года. Включались оригинальные исследования, разрабатывающие или валидирующие прогностические модели для DCM.
Оценка качества проводилась с использованием:
- CHARMS — для экстракции данных
- PROBAST — для оценки риска систематических ошибок
- TRIPOD — для оценки качества представления результатов
Исследования включали как проспективные, так и ретроспективные когорты из Китая, США, Канады и Чехии. Подходы к моделированию варьировали от классической регрессии до алгоритмов машинного обучения.
Клиническое значение
Оценка по PROBAST показала низкий риск систематических ошибок в доменах участников, предикторов и исходов для большинства исследований. Исключением стало исследование Kadanka et al. (2017), показавшее высокий риск ошибок в домене исходов.
Критические методологические недостатки:
- Неадекватное соответствие размера выборки количеству событий
- Неправильная обработка непрерывных переменных
- Непоследовательное управление пропущенными данными
- Недостаточная отчётность по калибровке
Соответствие TRIPOD составило от 59.1% до 81.8%. Наиболее часто не представлялись планирование размера выборки, калибровка и коэффициенты модели.
Практические преимущества простых клинических моделей с легкодоступными предикторами (возраст, исходная mJOA, длительность симптомов) над сложными радиомическими моделями машинного обучения в плане калибровки и интерпретируемости.
Выводы
Современные прогностические модели для DCM характеризуются высоким общим риском систематических ошибок и методологической гетерогенностью. Клиническая трансляция остаётся ограниченной.
Рекомендации для будущих исследований:
- Приоритизация внешней валидации простых моделей
- Разработка инструментов, удобных для использования у постели больного
- Строгое соблюдение стандартов TRIPOD и PROBAST
- Фокус на экономичных клинических моделях с хорошей калибровкой
Необходимы дальнейшие исследования с более строгой методологией для создания клинически применимых прогностических инструментов при дегенеративной шейной миелопатии.