一种对连续预测变量进行分类的通用框架的提出
统计方法学
2024-03-19 v1
摘要
在预测模型的开发中使用离散化变量是一种常见做法，部分原因是当决策过程基于由分段模型创建的规则时更为自然。尽管这种做法在医学中可能更为常见，但它可扩展至任何以预测模型辅助决策的知识领域。因此，为研究人员提供一种有效且有效的分类方法，在开发预测模型时可能是一个重要问题。在本文中，我们提出了一种新的通用方法，可应用于对响应变量属于指数族分布的任何回归模型中的预测变量进行分类。此外，它可应用于任何多元上下文，允许同时对多个连续协变量进行分类。此外，提出了一种基于伪 BIC 提议的计算效率极高的方法，以获取最优类别数。我们进行了多项模拟研究，展示了该方法在估计截断点位置和数量方面的效率。最后，将该分类提议应用于来自 Galdakao 医院五个门诊呼吸科的 543 名慢性阻塞性肺疾病患者的真实数据集，这些患者被随访了 10 年。我们应用所提出的方法，在以随访年数内住院次数率为响应变量的多重 Poisson 广义加性模型中，对连续变量六分钟步行测试和一秒用力呼气量进行联合分类。所获得的截断点的位置和数量在临床上得到了验证，与文献中使用的分类相一致。
引用
@article{arxiv.2403.11983,
title = {Proposal of a general framework to categorize continuous predictor variables},
author = {Irantzu Barrio and Javier Roca-Pardiñas and Cristobal Esteban and Maria Durban},
journal= {arXiv preprint arXiv:2403.11983},
year = {2024}
}