リスク予測における受信者運用特性曲線の使用と誤用

科学分野:

• バイオ統計学 バイオ統計学
• エピデミオロジー エピデミオロジー
• 医療情報工学 医療情報工学

背景:

• c統計,または受容器操作特性 (ROC) 曲線の下の領域は,病気と病気のない個人を区別するモデルの能力を評価するために,診断テストで広く使用されています.
• しかし,将来のリスクを予測するモデルや,個人をリスクカテゴリーに分類するモデルでは,その有用性は制限されることがあります.

研究 の 目的:

• リスク予測モデルの評価におけるc統計の限界を評価する.
• 正確なリスク評価と臨床的意思決定のための差別と並行して,カリブレーションの重要性を強調する.

主な方法:

• この研究では,リスク予測におけるc統計とカリブレーションの理論的根拠について論じています.
• それは,患者のリスク再分類と治療勧告に対する校正の影響を説明するために,心臓血管リスク要因の例を使用しています.

主要な成果:

• c統計は,リスク予測モデル,特に脂質,高血圧,喫煙などの既定の危険因子を含むモデルのパフォーマンスを十分に反映していない可能性があります.
• カリブレーションが良好なモデルでは,理論上の最大値である1よりはるかに低いcの統計値を達成できます.
• c 統計にのみ依存すると,予測スコアから貴重なリスク要因を除外される可能性があります.

結論:

• カリブレーションはリスク評価モデルの重要な構成要素であり,しばしば臨床的有用性に対する差別よりも重要である.
• モデル選択や新たなリスク要因の評価において,c統計に過度に依存することは,不適切である.
• 将来の研究は,リスク予測モデルの開発と検証において,校正と差別の両方を考慮すべきである.