R语言机器学习与临床预测模型22--预测模型常用构建方法

本内容为【科研私家菜】R语言机器学习与临床预测模型系列课程

R小盐准备介绍R语言机器学习与预测模型的学习笔记

你想要的R语言学习资料都在这里， 快来收藏关注【科研私家菜】

---

01 预测模型的本质

预测模型是通过已知预测未知。模型=数学公式。用已知的东西通过模型计算预测未知。
通过回归建模分析，回归的本质即为发现规律。回归是量化衡量X多大程度上影响Y。
模型的效能评价是统计分析、数据建模、课题设计的关键。

02 预测模型研究思路

研究思路

---

03 模型验证的步骤

验证步骤

04 模型模型的样本量估计

EPV(events per variable)：每个自变量所需要的事件数。
多因素分析中至少需要的 EPV数量为10-20个。
EPV=研究对象中较少组的数量/自变量的个数。
比如: 如果m个研究对象中有m1个人有疾病，m2个人无疾病
(m1+m2=m)，同时m1小于m2，此时EPV=m1/n(n为自变量个数)。考虑 EPV>10，应该是足够的了。

05 模型验证及效能评价

1. 诊断方法的鉴别能力(Discrimination)：ROC分析、C-Statistics&C-Index
2. 诊断方法的准确性(Calibration analysis) ：Calibration plot
3. 临床实用性(Clinical utility)-DCA ：决策曲线

内部验证方法包括随机拆分验证、交叉验证以及Bootstrap重抽样；外部验证可采用不同时间、不同地域、不同时间及地域的数据集。
区分度（Discrimination）和校准度（Calibration）是两个最常见的模型评价指标。区分度是指模型区分是否患有待诊断的疾病（诊断模型）或是否发生预期的事件（预后模型）的能力，最常见的区分度刻画指标如AUC，或者C统计量。校准度则是评估预测的概率与实际观察到的概率的一致性，常见的统计指标是如Brier得分。此外，也有学者建议用校准截距（Calibration-in-the-large）、校准斜率以及决策曲线分析（Decision-curve analysis）来评价预测模型 。有时候，研究者想要比较新开发的模型对现有模型的改进，或者关注单个预测因子的预测效能增加值（Incremental value），此时用AUC值评价并不灵敏，推荐的指标是综合区分改善度（IDI）和净重分类改善度（NRI）。

---

关注R小盐，关注科研私家菜(VX_GZH: SciPrivate)，有问题请联系R小盐。让我们一起来学习 R语言机器学习与临床预测模型