Una nueva medida de separación pronóstica en datos de supervivencia

Los modelos pronósticos multivariables son ampliamente utilizados en el cáncer y otras áreas de enfermedades, y tienen una variedad de aplicaciones en medicina clínica, ensayos clínicos y asignación de recursos de servicios de salud. Una medida bien fundamentada y confiable de la capacidad pronóstica de un modelo sería valiosa para ayudar a definir la separación entre pacientes o grupos pronósticos que el modelo podría proporcionar, y para actuar como un referente del rendimiento del modelo en un escenario de validación. Proponemos tal medida para modelos de datos de supervivencia. Su motivación deriva originalmente de la idea de separación entre curvas de Kaplan-Meier. Definimos los criterios para una medida exitosa y los discutimos en relación con nuestro enfoque. Se sugieren ajustes para el 'optimismo', la tendencia de un modelo a predecir mejor en los datos en los que se derivó que en nuevos datos. Estudiamos las propiedades de la medida mediante simulación y ejemplos en tres conjuntos de datos sustanciales. Creemos que nuestra nueva medida será útil como una herramienta para evaluar la separación disponible con un modelo pronóstico.