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。