前瞻性研究(Prospective study)

最新推荐文章于 2026-08-20 10:47:56 发布

原创最新推荐文章于 2026-08-20 10:47:56 发布 · 1w 阅读

本内容遵循CC 4.0 BY-SA版权协议

该文探讨了人工智能在乳腺癌筛查中的应用，通过前瞻性收集的大量 mammography 数据训练人工神经网络(ANN)，以区分良性与恶性疾病并预测个体患者患癌概率。另一方面，研究者回顾性收集了367例胶质瘤患者的资料，展示了两种研究方法在实际应用中的不同。尽管回顾性研究可能存在标准不一的问题，但其在数据获取上具有便利性，同样能得出有价值的研究成果。在科研工作中，明确数据来源、收集方式及质量控制至关重要。

前瞻性研究(Prospective study)

In this study, the authors have evaluated whether an artificial neural network (ANN) trained on a large prospectively collected dataset(前瞻性数据集) of consecutive mammography findings can discriminate between benign and malignant disease and accurately predict the probability of breast cancer for individual patients.
The present study retrospectively collected(回顾性的收集) a dataset of 367 glioma patients.

我们看一下定义，前瞻性的研究(prospective study)是以现在为起点追踪到将来的研究方法，可弥补回顾性研究的缺陷。因此前瞻性研究是与回顾性研究相对的，为了避免回顾性研究的缺陷而进行的一类研究。就数据获取而言，在开始进行研究时，数据是否已经存在，前瞻性研究中数据还没有，回顾性研究数据已经存在。而从研究的操作而言，是否可以对数据的获取进行控制，前瞻性研究中可以统一诊断标准、检测标准、评价标准、收集到目标数据，而回顾性研究中往往诊断、检测和评价标准不统一，有些想收集的变量可能不存在。

一方面要从严格意义上去定义前瞻性研究，即先有研究目的，再前瞻性收集现在还不存在的数据，对数据收集有严格的标准和质量控制。另外一方面，我们也不应该“歧视”回顾性研究，很多好的研究结论都是从回顾性研究中得到的。在撰写论文中，我们要将数据来源、数据是否前瞻性收集和数据收集的质控措施写清楚.