Key points are not available for this paper at this time.
يمكن استخدام تحليل الانحدار اللوجستي لتطوير نموذج تنبؤي لنتيجة طبية ثنائية، مثل وفيات قصيرة الأجل. عندما يكون حجم مجموعة البيانات صغيرًا مقارنةً بعدد المتغيرات المفسرة المدروسة، قد تحسن تقنيات الانكماش التنبؤات. قمنا بمقارنة أداء ثلاثة أنواع من تقنيات الانكماش: 1) عامل انكماش خطي، والذي يقلل جميع المعاملات بنفس العامل؛ 2) الاحتمال الأقصى المقيد (أو الانحدار الجبلي)، حيث يتم إضافة عامل عقوبة إلى دالة الاحتمال بحيث يتم تقليل المعاملات بشكل فردي حسب تباين كل متغير مفسر؛ 3) اللاسو، الذي يقوم بتقليص بعض المعاملات إلى صفر عن طريق وضع قيود على مجموع القيم المطلقة لمعاملات المتغيرات المفسرة الموحدة. تم بناء نماذج الانحدار اللوجستي للتنبؤ بإنخفاض الوفيات بعد 30 يومًا من احتشاء عضلة القلب الحاد. تم إنشاء مجموعات بيانات صغيرة من تجربة عشوائية خاضعة للرقابة، قدمت نصفها بيانات تحققيّة مستقلة. وجدنا أن جميع تقنيات الانكماش الثلاثة حسنت من معايرة التنبؤات مقارنةً بتقديرات الاحتمال الأقصى القياسية. توضح هذه الدراسة أن الانكماش هو أداة قيمة للتغلب على بعض مشاكل الإفراط في الملاءمة في البيانات الطبية.
درس ستايربرغ وزملاؤه (الخميس) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: