通过整合外部排序信息实现风险预测模型的稳健更新
统计方法学
2026-03-12 v1
摘要
利用既定风险因素和预后模型往往可以提高使用新型生物标志物在较小内部研究中构建新风险模型的质量。然而，直接从既定预后模型借用信息往往不适用，因为研究人群、测量的患者结果以及其他特定内部研究设计特征可能存在差异。为更好地利用既定预后信息构建新风险模型，我们提出一种以风险排序而非风险得分更易于迁移的观念为中心的估计方法。为利用外部排序信息，我们的方法引入了与内部风险模型回归系数相关的排序参数，并通过对排序参数与既定预后模型所暗示排序之间的基于排序的差异度量进行惩罚来估计内部风险模型参数。我们的方法不要求外部预后模型具有特定形式，仅要求其计算风险得分排序。仿真研究表明，我们的方法导致竞争性的预测性能，尤其在 true内部模型与外部模型在排序相关性高但其 underlying 风险得分差异较大的情形下表现尤为出色。我们通过开发针对接受免疫检查点抑制剂治疗的 advanced 前列腺癌患者的预后模型来展示我们方法的实际应用。
引用
@article{arxiv.2603.10389,
title = {Robust Updating of a Risk Prediction Model by Integrating External Ranking Information},
author = {Nicholas C. Henderson},
journal= {arXiv preprint arXiv:2603.10389},
year = {2026}
}