生物医学预测模型：最优样本量计算的黄金法则

引言Introduction

预测模型最常见的失败，不是算法不够复杂，而是样本量不够。样本太少，模型容易过拟合，外推性能差，结论也不稳。对医学生、医生和科研人员来说，先把样本量算对，往往比盲目加变量更重要。

1. 为什么预测模型的样本量不能随便拍脑袋

1.1 预测模型和普通回归不一样

生物医学预测模型常见于Logistic回归、线性回归和Cox回归。它们的目标不是单纯解释关联，而是尽量稳定地预测结局。
因此，样本量不仅要满足统计学检验，还要兼顾模型稳定性、变量筛选和泛化能力。这就是预测模型样本量计算比一般研究更敏感的原因。

很多人会直接套“每个自变量10个样本”这类经验法则。它有参考价值，但不是万能公式。因为不同模型、不同结局类型、不同事件率，样本需求差异很大。

1.2 样本量不足会带来什么后果

样本不足时，常见问题有三类。

1. 回归系数波动大。
2. 显著性结果不稳定。
3. 训练集表现很好，外部验证明显变差。

尤其是二分类结局和生存结局，如果事件数太少，模型很容易“学到噪声”。 这会直接影响临床可用性，也影响论文可信度。

1.3 黄金法则的核心不是“越多越好”

样本量不是越大越好，而是要和研究问题匹配。
对预测模型来说，核心是让模型有足够的信息量去估计参数，而不是只追求总例数。

这也是为什么很多方法会强调“事件数”或“有效信息量”，而不是只看总样本数。

2. 传统经验法则：可以参考，但不能机械照搬

2.1 自变量倍数法的基本思路

在多因素分析中，经验性样本量估计最常见。常见建议是，样本量设置为自变量个数的5倍、10倍或20倍。
例如有10个自变量，按1:10计算，至少需要100例。按1:20计算，至少需要200例。

这类方法适合研究早期快速估算，但不适合作为最终方案。 因为它没有充分考虑事件率、变量相关性和模型复杂度。

2.2 Cox回归要看终点事件数

如果是Cox多因素回归，重点不只是总例数，而是终点事件数。
经验法则通常也是按事件数与自变量个数的比例估算。例如10个自变量，若按1:10，至少需要观察到100个终点事件。

这意味着，如果随访时间短，或者死亡、复发等事件发生率低，即使总样本很多，也可能不够。

2.3 为什么BMJ文献强调经验估计

相关BMJ文献指出，多元回归、Logistic回归、因子分析等多因素分析，没有绝对可靠的统一样本量公式，只能做经验性估计。
这个结论很重要，因为它提醒我们：预测模型样本量计算，本质上是“约束条件下的最优近似”，不是精确到个位数的数学题。

3. 预测模型样本量计算的实用原则

3.1 先明确结局类型

样本量估计前，先判断你的模型属于哪一类。

• 连续结局，常用线性回归。
• 二分类结局，常用Logistic回归。
• 时间结局，常用Cox回归。

不同结局对应不同的样本量逻辑。
如果结局是二分类或时间结局，事件数往往比总例数更关键。

3.2 再明确自变量数量

不要把所有可能变量都塞进模型。
变量越多，对样本量要求越高。若样本量有限，应优先保留临床上有明确意义的变量。

建议在建模前先做三步：

1. 依据文献和机制筛选候选变量。
2. 检查变量间共线性。
3. 明确最终入模数量。

变量选择越清晰，样本量估计越可控。

3.3 关注事件率，而不是只看总样本

对于Logistic回归和Cox回归，事件率很关键。
例如某二分类结局发生率只有10%，总样本1000例，实际有效事件只有100例。
如果你有15个自变量，事件数就可能偏紧。

这也是为什么预测模型研究中，经常需要先估算事件数，再反推总样本量。

4. 一个更稳妥的实操思路

4.1 用“最少需求”和“稳健需求”双层估算

建议把样本量估计分成两层。

• 最少需求：满足基础建模。
• 稳健需求：留出变量筛选、缺失值和验证空间。

例如按1:10估计得到100例，不代表100例就足够发表高质量模型。
如果考虑缺失数据、内部验证和外部验证，实际需要往往更高。

对生物医学预测模型而言，1:10可以作为起点，但不应视为终点。

4.2 预留缺失值和无效样本

临床研究里，缺失值很常见。
如果预计10%数据缺失，样本量应额外上调。若问卷或检验依从性较差，修正比例还要更高。

举个简单思路：

• 理论需求100例。
• 预计10%缺失。
• 实际招募约111例以上更稳妥。

如果研究设计更复杂，比如多中心、长期随访、重复测量，预留空间应更大。

4.3 训练集和验证集要分开考虑

很多预测模型研究还要做内部验证或外部验证。
如果直接把全部样本都用于建模，模型表面上很好，实际稳定性未必可靠。

因此，样本量计算时要把验证需求一并考虑进去。
尤其是需要分训练集、验证集时，实际建模样本会被切分，单独用于建模的样本数会减少。

5. 常见误区：为什么很多模型“看起来能跑，实际上不稳”

5.1 误区一，变量越多越好

这是最常见的错误。
在样本量有限时，盲目增加变量只会增加方差和不稳定性。模型可能在开发集表现漂亮，但无法复制。

5.2 误区二，只看总样本，不看事件数

对于生存模型和二分类模型，这是致命问题。
总样本充足，不代表事件数充足。
事件太少时，回归系数会偏移，置信区间也会变宽。

5.3 误区三，完全依赖软件自动计算

PASS等软件对基础设计类型的样本量估计很强，但多因素分析、特别是复杂预测模型时，软件并不能替代研究者的判断。
很多时候，仍需要结合经验法则、预实验数据和临床知识综合决定。

6. 对研究者最实用的建议

6.1 建模前先回答三个问题

1. 结局是什么类型。
2. 自变量有几个。
3. 事件率大概多少。

这三个问题回答清楚，样本量就不会偏得太离谱。

6.2 优先减少变量，而不是硬追求样本

如果实际招募困难，不要强行保留过多变量。
可通过以下方式优化：

• 合并临床意义相近的变量。
• 删除低质量或重复信息变量。
• 使用预实验和文献支持的核心变量。

6.3 有条件时进行预试验

预试验可以帮助估计事件率、变量分布和缺失率。
这些信息会直接影响预测模型样本量计算的合理性。

预试验不是正式结果，但它能显著提高正式研究的设计质量。

7. 结论：最优样本量不是一个数，而是一套逻辑

7.1 结论总结

生物医学预测模型的样本量计算，不能只靠单一公式。
它要同时考虑结局类型、自变量数量、事件率、缺失率和验证需求。
经验法则如1:5、1:10、1:20仍有价值，但更适合作为起点，而不是唯一答案。
真正的“黄金法则”，是让样本量和模型复杂度、事件信息量、研究目标三者匹配。

7.2 让样本量设计更稳妥

如果你正在做预测模型研究，建议在设计阶段就把样本量、变量数和事件数一起规划。这样可以减少返工，也能提升论文通过率和模型可信度。

如果你希望把样本量估计、变量筛选和建模流程一次性做得更规范，可以借助解螺旋的科研方法支持与建模工具，把复杂问题拆成可执行步骤，帮助你更高效地完成预测模型样本量计算与后续分析。