多状态风险预测模型的校准图：综述与比较新方法之模拟研究
统计方法学
2023-08-28 v1
摘要
引言。目前尚无关于如何评估用于风险预测的多状态模型校准性的指导。我们介绍了若干可用于生成多状态模型转移概率校准图的技术，随后通过模拟在非信息性与信息性删失下评估其性能。方法。我们研究了基于 Aalen-Johansen 估计量的伪值、带删失逆概率加权二值逻辑回归（BLR-IPCW）以及带删失逆概率加权多项逻辑回归（MLR-IPCW）。MLR-IPCW 方法可生成校准散点图，提供关于校准的额外洞察。我们模拟了具有不同删失水平的数据，并评估了各方法对一组预测转移概率校准曲线的估计能力。我们还基于关联初级与次级医疗记录推导出的患者队列，开发并评估了一个预测心血管疾病、2 型糖尿病与慢性肾病发生风险的模型的校准性。结果。在非信息性删失下，伪值、BLR-IPCW 与 MLR-IPCW 方法均给出无偏的校准曲线估计。在信息性删失存在时，这些方法仍保持无偏，除非机制为强信息性，此时偏倚集中于预测转移概率低密度区域。结论。我们推荐采用伪值或 BLR-IPCW 方法之一生成校准曲线，并结合 MLR-IPCW 方法生成校准散点图，后者相较其他任一方法提供了附加信息。
引用
@article{arxiv.2308.13394,
title = {Calibration plots for multistate risk predictions models: an overview and simulation comparing novel approaches},
author = {Alexander Pate and Matthew Sperrin and Richard D. Riley and Niels Peek and Tjeerd Van Staa and Jamie C. Sergeant and Mamas A. Mamas and Gregory Y. H. Lip and Martin O Flaherty and Michael Barrowman and Iain Buchan and Glen P. Martin},
journal= {arXiv preprint arXiv:2308.13394},
year = {2023}
}
备注
Pre-print for article currently under review