临床预测模型（又称临床预测规则、预测模型或者风险评分）：指利用多因素模型估算患有某病的概率或者将来某结局发生的概率。包括诊断模型（Diagnostic models）和预后模型（Prognostic Models）。
1、两模型不同之处：
（1）诊断模型：是基于研究对象的临床症状和特征，诊断当前患有某种疾病的概率，多见于横断面研究；自变量（X）为诊断检测，因变量（Y）为是否患病。
（2）预后模型：是在当下的疾病状态下，未来某段时间内疾病复发、死亡、伤残以及出现并发症等结局的概率，多见于队列研究。自变量（X）为预后因子，因变量（Y）为是复发、死亡、伤残等。
2、两模型相似之处：
（1）结局多为二分类，虽然少数情况下也有血压、血脂、血糖、疼痛评分以及生存质量评分等连续指标作为结局；
（2）研究的效应指标均为结局出现的绝对风险，即发生的概率，而非相对危险度（RR）、比值比（OR）或者风险比（HR）等相对风险效应指标；
（3）模型的技术层面相同，都有预测因子的选择、建模的策略、模型性能的评价等环节。
临床预测模型的应用
借助临床预测模型，医生和病人可以更好的做出共同决策，临床研究者可以更精准的筛选合适的研究对象，政府部门与卫生管理者也可以更好的进行医疗质量的管理，合理的配置医疗资源。
临床预测模型的作用也体现在疾病的三级预防体系中：
（1）疾病的一级预防。临床预测模型可以给病人和医生提供基于当前的健康状态，未来患有某病的量化风险值（概率），为健康教育和行为干预提供更直观、有力的科学工具。例如，基于福明翰心脏研究的福明翰心血管病危险评分就明确了降低血脂、血压可以预防心肌梗死。（2）疾病的二级预防。临床预测模型，尤其是诊断模型，常可借助无创的、低成本、易采集的指标，给出高灵敏度和特异度的诊断方案，践行“早发性，早诊断，早治疗”的疾病预防理念，具有重要的卫生经济学意义。
（3）疾病的三级预防。预后模型可对疾病的复发、死亡，伤残以及出现并发症的概率给出量化的估算，从而指导对症治疗和康复方案的制定，防止伤残和促进功能恢复，提高生存质量，延长寿命，降低病死率。
本文多讨论的临床预测模型与“预测研究策略”研究组（PROGRESS）曾提出过“预测研究”（Prognosis Research）的基本框架既有部分交叉重叠，也有部分区别。
“预测研究策略”研究组提出的“预测研究“框架包括四个方面：
（1）基本预后研究，即自然状态以及当前医疗质量下疾病的进程；（传统流行病学中疾病的基本描述与危险因素研究）
（2）预后因素研究，即与预后相关的特定因素；（传统流行病学中疾病的基本描述与危险因素研究）
（3）预后模型研究，即建立、验证预测个体未来结局风险的统计模型，并评估其影响；(即预后模型）
（4）分层医学研究，即利用预后信息调整个体或是具有相同特征人群的治疗决策。（与精准医学相对应）
