斯泰尔伯格（Ewout W.Steyerberg）。;Moniek M.维德。;Maarten J.G.Leening。;波兹马斯·杜威;拉夫·桑·达戈斯蒂诺。;本·范·卡尔斯特;迈克尔·彭西纳。 预测模型中新标记物增量值的图形评估：从统计到决策分析的角度。 （英语） Zbl 1329.62043号 生物。J。 57，第4期，556-570（2015）. 小结：新的标记物可能改善诊断和预后结果的预测。我们的目的是审查图形显示和总结测量的选项，以评估标记物相对于标准、现成预测因子的预测值。我们利用先前公布的弗雷明翰心脏研究3264名参与者的数据，说明了各种方法，其中183人患有冠心病（10年风险5.6%）。我们考虑了将HDL胆固醇添加到预测模型中的增量值的性能度量。初步评估可能会考虑统计显著性（HR=0.65，95%置信区间0.53至0.80；似然比（p<0.001）），以及预测风险的分布（密度或方框图）和各种汇总度量。在预测性和接收器操作特征曲线中考虑了一系列决策阈值，其中曲线下面积（AUC）通过添加HDL从0.762增加到0.774。我们可以进一步关注重分类图中有事件和无事件参与者的重分类，以持续净重新分类改进（NRI）作为总结措施。当我们关注一个特定的决策阈值时，敏感性和特异性的变化是中心。我们提出了净重新分类风险图，它使我们能够关注重新分类的人数及其事件率。摘要度量包括二进制AUC、两类NRI和决策分析变量，如净效益（NB）。可以使用各种图表和汇总度量来评估标记的增量预测值。净重新分类风险的简单图表提供了对决策影响的重要见解。 MSC公司： 62A09号 统计学中的图形方法 62页第10页 统计学在生物学和医学中的应用；元分析 62J05型 线性回归；混合模型 关键词：决策分析;重新分类;回归分析;风险评估;ROC曲线 软件：均方根值 PDF格式BibTeX公司 XML格式引用 \textit{E.W.Steyerberg}等人，《生物》。J.57，No.4，556--570（2015；Zbl 1329.62043） 全文： 内政部 链接 参考文献： [1] Austin，《风险因素和标记物的预测准确性：新标记物对logistic回归模型不同性能度量的影响的模拟研究》，《医学统计学》32，第661页–（2013）·数字对象标识代码：10.1002/sim.5598 [2] Baker，《正确看待风险预测：相对效用曲线》，《国家癌症研究所杂志》第101期第1538页–（2009）·doi:10.1093/jnci/djp353 [3] Baker，《使用相对效用曲线评估风险预测》，《皇家统计学会期刊A辑172，第729页–（2009）·Zbl 05622765号 ·文件编号：10.1111/j.1467-985X.2009.00592.x [4] Baker，《使用测试权衡评估风险预测的新标记物：更新》，《国际生物统计杂志》第8期第22499728页–（2012年）·doi:10.1515/1557-4679.1395 [5] Chapman，《成本效用比综合排行榜和“有小组价值”研究的子表》，《医疗决策》20第451页–（2000）·doi:10.1177/0272989X0002000409 [6] 克利夫兰，《图形数据的要素》（1985） [7] 科恩，《行为科学的统计力量分析》（1988年）·Zbl 0747.62110号 [8] 《风险预测中接收器工作特性曲线的使用和误用》，《循环》115，第928页–（2007年）·doi:10.1161/CIRCULATIONAHA.106.672402 [9] 库克，《将C反应蛋白纳入女性心血管风险预测模型的效果》，《内科年鉴》145，第21页–（2006年）·doi:10.7326/0003-4819-145-1-200607040-00128 [10] Hanley，接收器工作特性（ROC）曲线下面积的含义和使用，放射学143第29页–（1982）·doi:10.1148/放射学.143.1.7063747 [11] Harrell，回归建模策略：线性模型、逻辑回归和生存分析的应用（2001）·Zbl 0982.62063号 ·doi:10.1007/978-1-4757-3462-1 [12] Hilden，《新生物标记物评估说明：不依赖综合鉴别改进和净重分类指数》，《医学统计》（2014）·数字对象标识代码：10.1002/sim.5804 [13] 正义，评估预后信息的普遍性，《内科年鉴》130第515页–（1999）·doi:10.7326/0003-4819-130-6-199903160-00016 [14] Leening，扩张型心肌病患者的纤维化和死亡率，JAMA 309第2547页–（2013）·doi:10.1001/jama.2013.6470 [15] Leening，净重新分类改进和综合歧视改进需要校准模型：从标记和模型角度的相关性，医学统计（2014a）·doi:10.1002/sim.6133 [16] Leening，《净重分类改进：计算、解释和争议：文献综述和临床医生指南》，《内科年鉴》160第122页–（2014b）·doi:10.7326/M13-1522 [17] Localio，《超出常规预测准确性指标：临床决策报告结果》，《内科年鉴》157页294页–（2012）·doi:10.7326/0003-4819-157-4-201208210-00014 [18] McGeechan，《评估临床实践中使用的新生物标记物和预测模型：临床医生指南》，《内科学档案》168页2304–（2008）·doi:10.1001/archente.68.21.2304 [19] Nagelkerke，关于决定系数一般定义的注释，Biometrika 78 pp 691–（1991）·Zbl 0741.62069号 ·doi:10.1093/biomet/78.3.691 [20] Pauker，《临床决策的阈值方法》，新英格兰医学杂志302页1109–（1980）·doi:10.1056/NEJM198005153022003 [21] 皮尔斯，预测成功的数字度量，《科学》4第453页–（1884）·doi:10.1126/science.ns-4.93.453-a [22] Pencina，解释风险预测模型中添加的标记物的增量值，《美国流行病学杂志》176第473页–（2012a）·doi:10.1093/aje/kws207 [23] Pencina，《评估新标记物的新增预测能力：从ROC曲线下的区域到重新分类及以后》，《医学统计》27，第157页–（2008）·doi:10.1002/sim.2929 [24] Pencina，评估歧视改善的新指标：正态变量和嵌套模型的净重新分类和综合歧视改善，《医学统计学》31第101页–（2012b）·doi:10.1002/sim.4348 [25] Pencina，扩展净重分类改进计算以衡量新生物标记物的有用性，《医学统计》30，第11页–（2011年）·doi:10.1002/sim.4085 [26] Pencina，新生物标记物额外有用性评估的统计方法，临床化学和检验医学48页1703–（2010）·doi:10.1515/CCLM.2010.340 [27] Pepe，将标记物的预测性与其作为分类器的性能相结合，《美国流行病学杂志》167第362页–（2008）·doi:10.1093/aje/kwm305 [28] Postmus，初级预防计划中新型生物标记物测量的早期健康技术评估方法，《医学统计》31，第2733页–（2012年）·数字对象标识代码：10.1002/sim.5434 [29] Ridker，《女性全球心血管风险评估改进算法的开发和验证：雷诺风险评分》，JAMA 297第611页–（2007年）·doi:10.1001/jama.297.6.611 [30] 罗伊斯顿，可视化和评估逻辑回归模型中的歧视，《医学统计》29页2508–（2010）·数字对象标识代码：10.1002/sim.3994 [31] Steyerberg，《临床预测模型：开发、验证和更新的实用方法》（2009年）·Zbl 1314.92010年 ·doi:10.1007/978-0-387-77244-8 [32] Steyerberg，《预测模型的内部验证：逻辑回归分析某些程序的效率》，《临床流行病学杂志》54卷774页–（2001年）·doi:10.1016/S0895-4356（01）00341-9 [33] Steyerberg，《预测研究策略（PROGRESS）3:预测模型研究》，《公共科学图书馆·医学》10 pp e1001381–（2013）·doi:10.1371/journal.pmed.1001381 [34] Steyerberg，未完成随访患者的重新分类计算，《内科年鉴》152第195页–（2010）·doi:10.7326/0003-4819-152-3-2010020-20019 [35] Taylor，他汀类药物用于心血管疾病的一级预防，Cochrane系统评价数据库1 pp CD004816–（2013） [36] Tjur，逻辑回归模型中的决定系数——一个新的提议：歧视系数，美国统计学家63第366页——（2009）·Zbl 1182.62149号 ·doi:10.1198/tast.2009.08210 [37] Uno，《关于使用经审查的生存数据评估风险预测程序总体充分性的C统计》，《医学统计》30，第1105页–（2011年） [38] Van Calster，当风险模型中添加新的预测标记时，敏感性和特异性可能会发生相反的变化，《医学决策》34，第513页–（2014）·doi:10.1177/0272989X13513654 [39] Van Calster，《标记物和风险预测模型的评估：NRI和决策分析措施之间关系的概述》，《医疗决策》33，第490页–（2013）·doi:10.1177/0272989X12470757 [40] Vickers，决策曲线分析的扩展，评估诊断试验、预测模型和分子标记的新方法，BMC医学信息学和决策8，第53页–（2008）·doi:10.1186/1472-6947-8-53 [41] Vickers，《决策曲线分析：评估预测模型的新方法》，《医疗决策》26页565–（2006）·doi:10.1177/0272989X06295361 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。