目的 探讨基于模型平均的预后模型的组合建模策略，为建立有效的临床预测模型的方法学选择提供支持。方法 基于不同样本特征的模拟研究，比较经典Cox比例风险回归模型、频率学模型平均和贝叶斯模型平均法的预测性能和估计精度，探讨模型平均法的适用性；将不同模型应用于SEER肝癌临床随访数据，探讨模型预测性能。结果 模拟分析结果：贝叶斯模型平均法得到的C指数高于Cox回归和频率学模型平均；随着样本量增加，C指数的95%置信区间呈现变窄的趋势。对于效应量较大的变量，贝叶斯模型平均法得到的回归系数偏差最小，95%区间覆盖率最大。实例分析结果：Cox回归法、贝叶斯模型平均法及频率学模型平均法得到的验证集C指数分别为0.7845(95%CI:0.7613～0.8076)、0.7851(95%CI:0.7619～0.8083)和0.7845(95%CI:0.7613～0.8076)。结论 贝叶斯模型平均法在样本较小，预测变量间存在相关关系时可提高预测预后能力。