Model może mieć wysokie AUC i dobrą kalibrację, ale nadal pozostaje pytanie: czy jego zastosowanie poprawia decyzje kliniczne? Do tego celu opracowano analizę krzywej decyzyjnej (Decision Curve Analysis, DCA). Metodę opisali Vickers i Elkin w 2006 roku. Dlaczego AUC nie Read More …
Autor: admin
Kalibracja modelu predykcyjnego – czy przewidywane ryzyko odpowiada rzeczywistości?
Model predykcyjny może bardzo dobrze odróżniać osoby o większym i mniejszym ryzyku, a jednocześnie podawać błędne wartości prawdopodobieństwa. Dlatego sama krzywa ROC i AUC nie wystarczają. Drugim podstawowym elementem oceny jest kalibracja (calibration). Co oznacza dobra kalibracja? Jeżeli model przewiduje Read More …
GEE – jak analizować dane powtarzane bez klasycznego modelu mieszanego?
Jeżeli tę samą osobę badamy kilkukrotnie, jej obserwacje nie są niezależne. Podobny problem występuje, gdy pacjenci są zgrupowani w szpitalach, uczniowie w szkołach lub pracownicy w oddziałach. Jednym z rozwiązań są uogólnione równania estymacyjne (generalized estimating equations, GEE), zaproponowane przez Read More …
Regresja logistyczna wielomianowa – co zrobić, gdy wynik ma kilka kategorii bez naturalnej kolejności?
Nie każda zmienna kategorialna posiada naturalny porządek. Przykładowo sposób transportu do pracy może mieć kategorie: Nie możemy powiedzieć, że samochód jest „wyżej” lub „niżej” od roweru. Jeżeli taki wynik chcemy wyjaśniać za pomocą kilku predyktorów, można zastosować regresję logistyczną wielomianową Read More …
Regresja logistyczna porządkowa – jak analizować wynik w uporządkowanych kategoriach?
Regresja logistyczna nie ogranicza się do sytuacji, w której wynik ma tylko dwie kategorie. Jeżeli zmienna zależna zawiera kilka kategorii posiadających naturalną kolejność, można wykorzystać regresję logistyczną porządkową (ordinal logistic regression). Przykładowym wynikiem może być: Kategorie są uporządkowane, ale nie Read More …
Iloraz wiarygodności LR+ i LR− – jak interpretować wynik testu diagnostycznego?
Czułość i swoistość są podstawowymi parametrami diagnostycznymi. W praktyce klinicznej interesuje nas jednak często inne pytanie: jak bardzo dodatni lub ujemny wynik zmienia prawdopodobieństwo badanego stanu? Pomagają w tym ilorazy wiarygodności – likelihood ratios. LR+ Dodatni iloraz wiarygodności określa, ile Read More …
Dobór próby i reprezentatywność – kiedy można uogólniać wyniki?
Jednym z najczęstszych błędów metodologicznych jest założenie, że duża próba automatycznie staje się reprezentatywna. Możemy przebadać nawet 10 000 osób i nadal uzyskać systematycznie obciążony wynik, jeżeli uczestnicy zostali dobrani w sposób nieodzwierciedlający populacji docelowej. Populacja docelowa Najpierw należy określić, Read More …