STEP 01

🎯

预测

输入患者数据

STEP 02

💊

干预

等待预测完成

STEP 03

⚖️

归因

等待干预完成

STEP 04

📄

结算

等待归因完成

🎯 心血管风险预测

输入患者临床特征，模型实时输出风险评分和SHAP特征归因

年龄

性别

BMI

收缩压 (mmHg)

总胆固醇 (mg/dL)

空腹血糖 (mg/dL)

吸烟状态

家族史

预测结果

模型输出 · AUC 0.839 · 16维特征

预测完成

—

风险百分位

<200ms

推理延迟

SHAP 特征重要性

← 输入患者数据后点击"运行风险预测"

💊 个性化干预方案

基于风险因子自动生成的针对性干预建议

干预轨迹记录

结构化记录 · PSM归因的必要数据输入

轨迹已记录

T=1

干预分配变量

—

干预项目数

12月

预设随访期

—

记录时间

✅ 干预分配变量（T=1）已生成
✅ 基线风险评分已关联
✅ 干预方案结构化记录完成
✅ 数据已准备好进入PSM归因流程

← 确认干预方案后生成轨迹记录

⚖️ PSM 因果归因

倾向评分匹配 · 消除选择偏倚 · 量化因果效应

PSM将对干预组中的每位患者，在对照组中找到基线特征最相似的匹配对象，消除可观测的选择偏倚。匹配后的效果差异才具有因果解释力。

248

干预组样本量

1:1

匹配比例

0.2σ

卡钳宽度

协变量数

归因结果

ATT · 置信区间 · SMD匹配质量

归因完成

ATT (Average Treatment Effect on Treated)

示例

95% CI: [-0.112, -0.062]

p < 0.001 ✓ 统计显著

匹配质量 · SMD对比

变量	匹配前	匹配后	状态
年龄	0.31	0.04	✓
BMI	0.24	0.06	✓
收缩压	0.19	0.05	✓
吸烟史	0.28	0.07	✓
基线风险	0.35	0.03	✓

✅ 所有协变量匹配后 SMD < 0.1，匹配质量良好

← 点击"运行PSM因果归因"

📄 可审计证据包

真实世界研究方法学参照 · PDF + JSON 双格式输出

报告已生成

PSM 因果归因证据报告 Level 2 · RWE

报告编号—

干预类型综合干预

随访时长12 个月

干预组 N248

匹配后 SMD0.042 (<0.1 ✓)

主要结局 ATT示例参数

95% CI[-0.112, -0.062]

次要结局收缩压 -4.3mmHg

方法学参照真实世界研究方法学

下载 PDF 报告

导出 JSON

四步闭环完成

从预测到结算的完整因果链路

闭环完成

🎯

预测 ✓

风险评分已输出，基线协变量已锁定

💊

干预 ✓

干预方案已确认，轨迹已结构化记录

⚖️

归因 ✓

示例结果，需结合项目数据、研究设计与局限性复核

📄

证据包 ✓

可审计证据包已生成，供项目评估与协商使用

这就是预防结算的完整闭环

四步因果链路完整，证据可被支付方接受

申请真实环境接入了解方法论

← 生成报告后查看闭环总结

体验 四步闭环 演示系统

体验四步闭环演示系统