评估具有竞争风险结果的预后模型的歧视准确性

《Journal of Applied Statistics》：Evaluating discrimination accuracy of prognostic models with competing risk outcomes

本研究提出多事件预后模型的新评估指标，通过模拟和真实数据分析验证其能有效衡量模型分类一致性和整体判别能力，揭示指标对重要变量排除的敏感性，为模型比较提供新方法。

　　

摘要

我们评估了在同时建模多个事件时，预后模型对竞争性风险结果进行区分的准确性。现有方法主要是针对特定事件的评估，仅关注一个感兴趣的事件，而忽略了其他事件的模型信息，因此无法全面反映模型区分不同组的能力。在这项工作中，我们的目标首先是引入几种新的评估指标，这些指标可以同时考虑多个事件，从而基于不同的分类规则和一致性从不同角度更好地评估模型的区分能力；然后通过模拟研究和真实数据分析系统地探讨这些指标在不同场景下的功能。我们提供了所提出指标的估计方法，并以其中一个估计方法的渐近性质为例进行了说明。研究结果表明，所提出的特定原因评估指标之一是区分不同类型模型的一个有吸引力的选择。此外，所有指标都显示出对预后模型中重要变量被排除的敏感性，这突显了它们在评估模型性能方面的实用性。