一种新的风险预测模型改善评价指标
评价及度量预测模型效果改善是统计建模的一个关键环节,如何评价及度量加入新生物标记物后新模型预测效果是研究热点之一.目前常用的评价模型效果改善指标包括曲线下面积(area under the receiver operating characteristic curve,AUC),整体判别改善(integrated discrimination improvement,IDI),净重分类指数(net reclassification index or improvement,NRI),以及连续型净分类系数(category-free NRI,cfNRI).然而,已有评价指标存在不足,如AUC和IDI为全局指标;NRI意义直观便于解释,但风险分类难以确定、不同分类方法有可能导致结果不确定;而cfNRI又过于敏感.因此,本研究基于cfNRI,提出一种新的评价和度量预测模型改善效果的指标.
卫生统计学 风险预测模型 连续型净分类系数 置信区间
汪舒琦 周立志 陈平雁
南方医科大学生物统计学系
国内会议
武汉
中文
260-260
2017-08-22（万方平台首次上网日期，不代表论文的发表时间）