Méthodes statistiques pour l'évaluation des biomarqueurs pronostiques (partie II) : calibration et re-classification

La calibration est la capacité d'un modèle pronostique à estimer correctement la probabilité d'un événement donné sur l'ensemble de l'intervalle des estimations pronostiques (par exemple, 30 % de probabilité de décès, 40 % de probabilité de infarctus du myocarde, etc.). La principale différence entre la calibration et la discrimination est que cette dernière reflète la capacité d'un biomarqueur pronostique donné à distinguer un statut (décédé/survécu, événement/non-événement), tandis que la calibration mesure dans quelle mesure l'estimation pronostique d'un modèle prédictif correspond à la probabilité réelle de l'issue (c'est-à-dire, la proportion observée de l'événement). La re-classification est une autre mesure de la précision pronostique et elle reflète dans quelle mesure un nouveau biomarqueur pronostique augmente la proportion d'individus correctement re-classifiés comme ayant ou n'ayant pas un événement donné par rapport à une classification précédente basée sur un biomarqueur pronostique ou un modèle prédictif existant.