發(fā)布時間：2017-03-25 17:05

  本文關(guān)鍵詞：一種新的風(fēng)險等級預(yù)測的模型改善評價方法，，由筆耕文化傳播整理發(fā)布。

【摘要】：背景：應(yīng)用統(tǒng)計模型診斷疾病或預(yù)測預(yù)后在醫(yī)學(xué)領(lǐng)域,特別是在臨床醫(yī)學(xué)中有廣泛應(yīng)用。如何獲得最優(yōu)模型或相對最優(yōu)模型是統(tǒng)計建模的最終目的。在原模型的基礎(chǔ)上加入新的協(xié)變量形成新模型,或選擇與原模型不同的協(xié)變量形成新模型,然后將新模型與原模型進(jìn)行比較,評價新模型的改善效果,如果效果顯著,則替代原模型,并在此基礎(chǔ)上重復(fù)上述過程,直到獲得最優(yōu)或相對最優(yōu)模型為止,這是統(tǒng)計建模常用的也是有效的策略。例如,新發(fā)現(xiàn)的生物標(biāo)志物是否具有臨床意義(診斷價值或預(yù)測價值),往往通過將該標(biāo)志物加入到已有的統(tǒng)計模型中進(jìn)行驗證,考核其是否有助于顯著提高模型的診斷或預(yù)測能力。等級風(fēng)險預(yù)測模型是統(tǒng)計模型其中的一種,多用于疾病的發(fā)生風(fēng)險預(yù)測或疾病的預(yù)后判斷,例如用于預(yù)測10年內(nèi)發(fā)生心血管疾病的模型(Framingham model),用于預(yù)測發(fā)生2型糖尿病的模型(QDScore model),以及用于預(yù)測乳腺癌的模型(Gail model)等。因此,如何評價和度量新模型較原模型的預(yù)測效果是否有顯著改善是等級風(fēng)險預(yù)測模型構(gòu)建的一個關(guān)鍵環(huán)節(jié)。評價及比較模型預(yù)測效果應(yīng)用最多的指標(biāo)是受試者診斷／預(yù)測特征曲線下面積(area under the receiver operating characteristic curve, AUC),又稱C指數(shù)(Cindex)或C統(tǒng)計量(C-statistic)。然而,AUC的敏感性有時并不理想,特別是在原模型AUC較高的情形下,其提升空間有限,即使新加協(xié)變量與結(jié)局變量的關(guān)聯(lián)非常強(qiáng)。近年來,其它評價新模型預(yù)測效果改善的方法相繼提出,其中運(yùn)用最多的是Pencina (2008)提出的凈重分類指數(shù)(net reclassification index or improvement, NRI)和整體判別改善指數(shù)(integrated discrimination improvement, IDI),但這兩個指標(biāo)的統(tǒng)計性質(zhì)也爭議頗多。Greenland(2008)指出,類似于AUC, IDI也是一個全局評價指標(biāo),實(shí)際應(yīng)用中并不能提供更詳細(xì)的信息。Pencina (2008)提出IDI時,假定截斷值在(0,1)上均勻取值,但這并不符合所有的實(shí)際情況,例如癌癥篩查要求特異度高于0.8甚至0.9。另外,Kerr(2011)指出,對IDI的檢驗與對新變量加入模型后所對應(yīng)回歸系數(shù)的檢驗本質(zhì)上是一致的。NRI的主要缺陷是對結(jié)果的解釋不夠直觀,而且反映的信息不完整。NRI基于風(fēng)險分級,評價新模型和原模型下個體風(fēng)險等級的變動情況,從而評價新模型對風(fēng)險重分類的影響。Kerr(2014)指出,NRI雖然由四個率構(gòu)成,但NRI本身并不是一個率,其取值可以超過1,也可以小于0,從而造成結(jié)果難以解釋。此外,在構(gòu)造NRI時,只考慮風(fēng)險等級是否改變,并沒有考慮風(fēng)險等級的級數(shù)改變多少,由此可能導(dǎo)致重要信息的損失。在臨床實(shí)踐中,基于風(fēng)險分級的NRI比IDI及AUC更有實(shí)際指導(dǎo)意義,而NRI又存在應(yīng)用上的缺陷,故本研究提出如下研究目的。目的：本研究旨在構(gòu)建一種新的統(tǒng)計方法,用以評價和度量等級風(fēng)險預(yù)測模型的改善效果,以期為統(tǒng)計模型的評價及比較提供新的手段。方法：本研究基于風(fēng)險分級,同時考慮新模型和原模型風(fēng)險等級的變動方向和級數(shù),提出評價不同模型預(yù)測效果的新方法,應(yīng)用統(tǒng)計模擬比較新方法與現(xiàn)有方法的統(tǒng)計性能,最后經(jīng)實(shí)例驗證。(1)新指標(biāo)的構(gòu)造本研究定義新指標(biāo)—平均重分類改善(average reclassification improvement, ARI),即個體在新模型下相對于原模型,其風(fēng)險等級的平均改善,用統(tǒng)計學(xué)語言可表示為：其中,K為所有風(fēng)險等級可能變動的組合數(shù),K＝2H-1,H為風(fēng)險等級數(shù),如當(dāng)有3個風(fēng)險等級時,K為5,即有5種可能的風(fēng)險等級變動組合。記vi(i＝1,2,...,K)為風(fēng)險等級變動組合,最大變動范圍為-(H-1)～+(H-1),其相應(yīng)的概率向量P=(P1,P2,...,PK)。假定陽性及陰性結(jié)局相互獨(dú)立,定義新模型相對原模型的ARI為其期望估計為其方差估計var ARI由var ARIevent和var ARInonevent分別估計,基于多項分布假定陽性及陰性結(jié)局相互獨(dú)立,在原假設(shè)H0:ARI=0成立的條件下,可構(gòu)造如下檢驗統(tǒng)計量：在大樣本情形下,檢驗統(tǒng)計量近似服從正態(tài)分布。(2)模擬研究具體參數(shù)設(shè)置為：樣本量(n)：500,1000,3000；陽性事件率(PD)：0.05,0.10,0.30；X的效應(yīng)(ORX):ORx=1.5,2,3,4,5,6,7,8,9;M的效應(yīng)(ORM):ORM=1, 1.25,1.5,1.75,2,2.5,3,4,6,8;其中,X為現(xiàn)有強(qiáng)預(yù)測因子或常用預(yù)測因子的線性組合(linear combination of predictors), M是具有潛在預(yù)測價值的新協(xié)變量。X及M分別從標(biāo)準(zhǔn)正態(tài)分布N(0,1)中隨機(jī)產(chǎn)生�；趌ogistic回歸模型進(jìn)行模擬研究。各參數(shù)情形下均模擬5000次。風(fēng)險分級：本研究考慮兩種情形,四分類情形下風(fēng)險等級設(shè)置為5%、5%到10%、10%到20%以及≥20%；在三分類情形下風(fēng)險等級設(shè)置為5%、5%到20%以及≥20%。結(jié)果：ARI的統(tǒng)計性質(zhì)：從標(biāo)準(zhǔn)差估計及I類錯誤評價。1)標(biāo)準(zhǔn)差估計：當(dāng)陽性事件率PD=0.05及PD=0.1時,ARI標(biāo)準(zhǔn)差的估計比較準(zhǔn)確；當(dāng)PD=0.3時,ARI標(biāo)準(zhǔn)差的估計略微偏小。2)Ⅰ類錯誤：風(fēng)險等級為四級時,當(dāng)PD=0.05時,ARI檢驗統(tǒng)計量的正態(tài)分布性質(zhì)不夠理想；當(dāng)PD=0.1及PD=0.3時,其正態(tài)近似都較好。在相對極端的參數(shù)情形下(如PD=0.05, n=500), ARI的I類錯誤在0.0171～0.0380范圍內(nèi),小于設(shè)定的檢驗水準(zhǔn)0.05；在其它情形下,ARI的Ⅰ類錯誤在0.0329～0.0621范圍內(nèi),除少數(shù)情形控制不佳外,其余基本在模擬允許的誤差范圍內(nèi),說明Ⅰ類錯誤控制較好。風(fēng)險等級為三級時與四分類的結(jié)果相似。ARI與其它方法的比較：主要與常用評價方法NRI和AUC進(jìn)行比較。1)與NRI的比較：I類錯誤：多數(shù)情形下,兩種方法的Ⅰ類錯誤均控制較好,基本在模擬允許的誤差范圍內(nèi)。在相對極端的參數(shù)情形下(如PD=0.05,n=500),NRI的Ⅰ類錯誤率在0.0269～0.0558范圍,ARI的Ⅰ類錯誤率在0.0259～0.0558范圍,兩種方法均偏保守。檢驗效能：當(dāng)PD=0.05及PD=0.1時,NRI及ARI的檢驗效能基本一致；當(dāng)PD=0.3時,ARI的檢驗效能較NRI提高0.2%～1.6%,平均提高0.5%。2)與AUC的比較：Ⅰ類錯誤：配對樣本AUC檢驗的DeLong法偏保守。檢驗效能：當(dāng)PD=0.05及PD=0.1時,ARI與DeLong法的檢驗效能基本一致,有些參數(shù)情形下后者更高些(如n=1000,PD=0.1); PD=0.3時,ARI的檢驗效能比DeLong法平均提高為5.7%。實(shí)例分析：實(shí)例為探究尿血管緊張素原(uAGT)、尿白蛋白肌酐比(UACR)能否提高對急性復(fù)合性心臟衰竭病人發(fā)生AKI的預(yù)測效果。AUC的比較：不含uAGT的原模型M0(含年齡、性別、慢性病腎臟病、血清白蛋白、N端前腦鈉肽和中性粒細(xì)胞明膠酶相關(guān)脂質(zhì)運(yùn)載蛋白),其AUC為0.814；含有uAGT的新模型M1 (M0+uAGT),其AUC為0.874,兩者之差為0.06,差異有統(tǒng)計學(xué)意義(DeLong檢驗,P0.001)：含有UACR的新模型M2 (M1+UACR),其AUC為0.874,與M1相比,無統(tǒng)計學(xué)差異(DeLong檢驗,P=1.000)。風(fēng)險等級改善：考慮分四個風(fēng)險等級的情形,M1 V.S. M0:有NRI=0.302 (P0.001), ARI=0.423 (P0.001),對ARI的解釋為將uAGT加入原有模型后,所有病例的平均風(fēng)險改善等級為0.423,而NRI無直觀解釋；M2 V.S. M1:其ARI= 0.0 (P=0.997), NRI=0.0(P=0.997)。UACR不能提高模型的預(yù)測效果。從實(shí)例中可以看出,uAGT能改善風(fēng)險分級,而UACR不能,故M1為相對最優(yōu)模型。結(jié)論：本研究針對風(fēng)險等級預(yù)測模型,提出評價模型預(yù)測效果改善的新指標(biāo)—ARI,其Ⅰ類錯誤整體上控制較好,檢驗效能與現(xiàn)有指標(biāo)(如NRI、AUC)相比略有提高。從目前研究來看,ARI用于評價風(fēng)險等級預(yù)測的模型改善效果具有較好的統(tǒng)計性能,而且意義直觀,便于應(yīng)用。
【關(guān)鍵詞】：預(yù)測模型 風(fēng)險分級 重分類 NRI ARI
【學(xué)位授予單位】：南方醫(yī)科大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：R181.2
【目錄】：

• 摘要3-9
• ABSTRACT9-17
• 第一章 前言17-19
• 第二章 模型預(yù)測效果的評價19-38
• 2.1 模型預(yù)測效果評價的傳統(tǒng)指標(biāo)20-25
• 2.1.1 區(qū)分度(discrimination)20-22
• 2.1.2 校正度(calibration)22-25
• 2.2 風(fēng)險等級模型預(yù)測效果的評價方法25-35
• 2.3 各評價指標(biāo)的研究現(xiàn)狀35-37
• 2.4 研究目的37-38
• 第三章 基于風(fēng)險分級的新評價方法38-89
• 3.1 新評價指標(biāo)的構(gòu)造38-39
• 3.2 ARI的估計與統(tǒng)計推斷39-43
• 3.3 模擬研究43-85
• 3.3.1 參數(shù)設(shè)置43-44
• 3.3.2 模擬結(jié)果44-85
• 3.4 實(shí)例分析85-89
• 第四章 討論及結(jié)論89-93
• 4.1 討論89-91
• 4.2 結(jié)論91
• 4.3 缺點(diǎn)與不足91-92
• 4.4 后期展望92-93
• 參考文獻(xiàn)93-98
• 攻讀學(xué)位期間成果98-99
• 致謝99-100

【相似文獻(xiàn)】

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 陳林;周宗放;;基于Fisher判別法的信用風(fēng)險等級判別[A];中國災(zāi)害防御協(xié)會——風(fēng)險分析專業(yè)委員會第一屆年會論文集[C];2004年

2 王雙成;邵軍;杜瑞杰;;企業(yè)風(fēng)險等級預(yù)測的集成聚類方法研究[A];第十二屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2010年

3 方洪全;曾勇;何佳;;序次PROBIT模型在銀行債項等級預(yù)測中的應(yīng)用研究[A];中國運(yùn)籌學(xué)會第七屆學(xué)術(shù)交流會論文集（中卷）[C];2004年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 記者 王瑾;上海擬推積澇風(fēng)險等級預(yù)報[N];中國氣象報;2011年

2 記者 王瑾;上海 積澇風(fēng)險等級預(yù)報今夏發(fā)布[N];中國氣象報;2012年

3 李劍利 路振朝 周遠(yuǎn);曬權(quán)力 亮風(fēng)險 定責(zé)任 促防范[N];河北日報;2013年

4 記者 侯杰;硫酸企業(yè)劃分環(huán)境風(fēng)險等級將有依據(jù)[N];中國化工報;2010年

5 記者 馬潔 通訊員 鄭昊;評定風(fēng)險等級 加強(qiáng)源頭治理[N];天津政法報;2010年

6 本報記者 侯捷寧;防范基金客戶洗錢 劃分風(fēng)險等級采取相應(yīng)措施[N];證券日報;2009年

7 中國郵政儲蓄銀行廣東省珠海分行 吳華瓊;反洗錢客戶風(fēng)險等級劃分存在的問題和對策[N];中國郵政報;2009年

8 邵峰　翟乃山 單峰;將風(fēng)險等級判定納入?yún)^(qū)域監(jiān)管體系[N];中國質(zhì)量報;2010年

9 證券時報記者 于揚(yáng);基金公司反洗錢客戶風(fēng)險等級標(biāo)準(zhǔn)劃定[N];證券時報;2009年

10 特約記者 邵小青　通訊員 王敦嵐 李明先;江蘇省局根據(jù)產(chǎn)品風(fēng)險等級分期培訓(xùn)藥企[N];中國醫(yī)藥報;2011年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 曹鑫;油港儲運(yùn)綜合安全評價和預(yù)警應(yīng)急系統(tǒng)研究[D];武漢理工大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 周立志;一種新的風(fēng)險等級預(yù)測的模型改善評價方法[D];南方醫(yī)科大學(xué);2015年

2 陳平;不同風(fēng)險等級下農(nóng)作物GRP保險費(fèi)率厘定研究[D];華中農(nóng)業(yè)大學(xué);2011年

  本文關(guān)鍵詞：一種新的風(fēng)險等級預(yù)測的模型改善評價方法，由筆耕文化傳播整理發(fā)布。

本文編號：267494