快速变化环境下临床生存预测模型的动态更新
统计方法学
2023-05-02 v1
摘要
随着时间的推移，由于临床管理、数据质量、疾病风险和/或患者构成的改变，临床预测模型的性能可能会下降。此类预测模型必须更新以继续保持效用。本文研究了基于重拟合、重新校准和贝叶斯更新的临床生存预测模型的离散与动态模型更新方法。与离散或一次性更新不同，动态更新指的是利用新数据对预测模型进行反复更新的过程。受传染病场景的启发，我们关注模型在快速变化环境中的表现。我们首先通过模拟研究比较了这些方法。我们模拟了生存率变化、新疗法引入以及人群中罕见的生存预测因子的情景。接下来，将这些更新策略应用于来自QResearch数据库（英国全科诊所的电子健康记录数据库）的患者数据，以研究预测70天covid-19相关死亡率模型的更新。我们发现，在模拟中动态更新过程优于一次性离散更新。贝叶斯动态更新具有利用先前更新知识以及相比重拟合所需数据更少的优势。
引用
@article{arxiv.2305.00260,
title = {Dynamic Updating of Clinical Survival Prediction Models in a Rapidly Changing Environment},
author = {Kamaryn Tanner and Ruth H. Keogh and Carol A. C. Coupland and Julia Hippisley-Cox and Karla Diaz-Ordaz},
journal= {arXiv preprint arXiv:2305.00260},
year = {2023}
}
备注
18 pages, 3 figures, 2 tables