Ein geschlossenes Testverfahren zur Auswahl einer geeigneten Methode zur Aktualisierung von Vorhersagemodellen

Vorhersagemodelle, die mit logistischer Regression angepasst wurden, zeigen häufig eine schlechte Leistung, wenn sie auf Populationen angewendet werden, die von der Entwicklungspopulation abweichen. Die Aktualisierung von Modellen kann Vorhersagen verbessern. Vorgeschlagene Methoden variieren in ihrem Umfang der Modellaktualisierung. Wir beabsichtigen, eine Strategie zu definieren, um eine geeignete Aktualisierungsmethode auszuwählen, die das Gleichgewicht zwischen der Menge an Beweisen für die Aktualisierung in der neuen Patientengruppe und der Gefahr der Überanpassung berücksichtigt. Wir betrachten die Neukalibrierung in großem Umfang (Neuschätzung des Modellinterzepts); Neukalibrierung (Neuschätzung von Interzept und Steigung) und Modellrevision (Neuschätzung aller Koeffizienten) als Aktualisierungsmethoden. Wir schlagen ein geschlossenes Testverfahren vor, das es ermöglicht, den Umfang der Aktualisierung schrittweise von einem Minimum (dem ursprünglichen Modell) auf ein Maximum (ein vollständig überarbeitetes Modell) zu erhöhen. Das Verfahren umfasst multiple Tests unter Beibehaltung der ungefähr gewählten Fehlerquote ersten Typs. Wir veranschaulichen diesen Ansatz mit drei klinischen Beispielen: Patienten mit Prostatakrebs, traumatischer Hirnverletzung und Kindern mit Fieber. Der Bedarf zur Aktualisierung des Prostatakrebsmodells wurde vollständig durch ein anderes Modellinterzept in der Aktualisierungsstichprobe gesteuert (Anpassung: 2,58). Separates Testen der Modellrevision gegen das ursprüngliche Modell zeigte statistisch signifikante Ergebnisse, führte jedoch zu einer Überanpassung (Kalibrierungssteigung bei interner Validierung = 0,86). Das geschlossene Testverfahren wählte die Neukalibrierung in großem Umfang als Aktualisierungsmethode, ohne Überanpassung. Der Vorteil des geschlossenen Testverfahrens wurde durch die anderen beiden Beispiele bestätigt. Wir schließen daraus, dass das vorgeschlagene geschlossene Testverfahren nützlich sein könnte, um geeignete Aktualisierungsmethoden für zuvor entwickelte Vorhersagemodelle auszuwählen. Copyright © 2016 John Wiley & Sons, Ltd.