powerROC：用于评估模型判别能力样本量计算的交互式网页工具
统计方法学
2025-01-07 v1
摘要
严格的外部验证对于评估预测模型的可泛化性尤为关键，尤其是通过在新数据上评估其判别能力（AUROC）。这通常涉及将新模型的AUROC与既定参考模型的AUROC进行比较。然而，许多研究依赖于对样本量计算采用任意经验法则，常导致分析缺乏统计功效，进而得出不可靠的结论。本文综述了在基于AUROC的外部验证研究中进行准确样本量确定的关键概念，旨在使理论与实践更加易于面向研究者和临床医生。我们介绍了powerROC，这是一个开源的网页工具，旨在简化这些计算，既可用于评估单个模型，也可用于比较两个模型。该工具提供了选择目标精确度水平的指导，并采用灵活的方法，利用试点数据或用户定义的概率分布。我们通过在MIMIC数据库上进行住院死亡率预测的案例研究来说明powerROC的实用性。
引用
@article{arxiv.2501.03155,
title = {powerROC: An Interactive Web Tool for Sample Size Calculation in Assessing Models' Discriminative Abilities},
author = {François Grolleau and Robert Tibshirani and Jonathan H. Chen},
journal= {arXiv preprint arXiv:2501.03155},
year = {2025}
}