临床研究的一个优点是临床研究数据来自病人的随访观察信息，这些研究数据经整理归纳得到的结论可直接用于临床，结论最直接，临床也十分需要。但临床研究得到的是一个概率模型，某病人如果只有一个危险因素，患病的概率可以得到，但如果合并一个或多个因素时，患病概率怎么计算呢？当然我们不能直接用各个危险因素的概率直接加减乘除，比较靠谱的方法是建立一个模型，将各个危险因素纳入模型得到预测模型，在临床中应用比较广的唐氏综合征筛查模型就是如此，它是根据孕妇年龄、体重、产次、孕周、是否吸烟、是否有糖尿病、AFP、uE3和HCG等因素得到的一个预测模型。这种模型在临床可以使用，但并不方便，还以唐氏筛查为例，当医生拿到这些信息后，不能立即得到患病概率，而是要输入一个软件进行计算，这给临床带来许多麻烦。有没有简便的方法可以使模型方便临床使用呢？当然大多数模型是可以简化的，这就要求我们不要拘泥于计算机算出来的结果，在理解模型的原理后，找到模型的核心参数，将模型转换后易于计算和理解。

Logistic回归模型是临床常用的用于预测是否患病的统计分析方法。但用于预测时计算预测值也不方便，其公式为：

上述公式中x1—xn代表病人的各种属性，如性别、年龄、血压等。新来一个病人，将上述参数输入后，即可得到p值，但计算麻烦。我们可以发现上述公式的核心是：

 Y与p是一种定量关系，知道Y可以准确算出p,由p也可以计算Y，因此我们可以只计算Y值，根据Y值大小判断得病的概率。

例如我们想用性别、年龄、HBP预测冠心病患病概率，数据如下CAD（是否患病）、sex(性别、1为男，0为女)、age(年龄)、HBP(收缩压)：（数据为我个人拟合的模拟数据，仅供示例，结论可能与临床实际不符）

以CAD为因变量，以sex、age、HBP为自变量进行回归分析，得到结果如下：

得到患病概率的公式如下：

我们取公式核心部分Y=2.078*sex+0.241*age+0.069*HBP，由于年龄、HBP值较大，而变化一个单位差别不大，因此我们将年龄以5岁分组，HBP以10mmHg分组，得到公式如下（并命名为冠心病指数）：CADindex=2*sex+1.2*age+0.7*HBP。将数据库中每个病人的参数代入公式，得到每个病人的冠心病指数，使用ROC曲线可得到预测界值。本例中得到界值为25时灵敏度70.0%，特异度93.3%。

完成上述工作后，即可以临床初步应用。如来了一病人，女，45岁，收缩压140mmHg，可心算CADindex=2*0+1.2*9+0.7*14=22.6,低于25，认为患CAD的概率较低，应用起来就十分方便了。

当然模型的建立需要大样本，以保证模型稳定，同时要进行外部效度验证，这不是本文的核心，不在此赘述了。