基于 bootstrap 的乐观偏倚校正方法在多变量临床预测模型构建中比较有效性的再评估
应用统计
2021-07-14 v1 统计方法学
摘要
多变量预测模型是基于患者多项特征提供综合诊断与预后算法的重要统计工具。其表观判别与校准度量相对于外部人群的实际表现通常存在高估偏倚（称为“乐观偏倚”）。现有统计证据与指南建议实践中优先采用三种基于 bootstrap 的偏倚校正方法，即 Harrell 偏倚校正以及 .632 与 .632+ 估计量。尽管 Harrell 方法已在临床研究中被广泛采用，但基于模拟的证据表明 .632+ 估计量可能优于另外两种方法。然而相关证据有限，这些方法的实际比较有效性仍不清楚。本文通过大量模拟比较这些方法的有效性，特别是使用以下现代回归模型：常规 logistic 回归、逐步变量选择、Firth 惩罚似然方法、ridge、lasso 与弹性网络。在相对大样本设定下，三种基于 bootstrap 的方法表现相近且良好。但在小样本设定下，三种方法均存在偏倚，且偏倚的方向与大小不一致。总体而言，推荐采用 .632+ 估计量，但我们就各方法的运行特征提供了若干注意事项。
引用
@article{arxiv.2003.03004,
title = {Re-evaluation of the comparative effectiveness of bootstrap-based optimism correction methods in the development of multivariable clinical prediction models},
author = {Katsuhiro Iba and Tomohiro Shinozaki and Kazushi Maruo and Hisashi Noma},
journal= {arXiv preprint arXiv:2003.03004},
year = {2021}
}