DCA、NRI、IDI

1、DCA

横坐标：阈值概率。判断结局变量发生的概率，发生就界定为阳性，采取治疗措施，产生治疗获益（利）。这个时候会有非病人治疗产生的伤害以及病人未治疗的损失（弊），纵坐标就是利减去弊之后的净获益（Net Benefit）。---阳性治疗就会产生获益，无论什么治疗

坐标中横着的线，表示净获益为0，所有人都不治疗；斜着的线表示样本都是阳性，所有人都接受治疗。模型曲线越远离这两条线就越好，净获益越大。

这个图的解释就是，假定我们选择预测概率为60%诊断模型肾病并进行治疗，100个使用模型C的患者，有18个人能从中获益而不损伤其他人的利益。

2、NRI（净重新分类改善指数）-结局事件判断正确的比例比另外一个是否有所提高

相对于AUC，NRI更关注在某个设定的切点处，两个模型把研究对象进行正确分类的数量上的变化。简单的说，首先旧模型会把研究对象分类为患者和非患者，然后在旧模型的基础上引入新的指标构成新模型，新模型会把研究对象再重新分类成患者和非患者。

此时比较新、旧模型对于研究人群的分类变化，就会发现有一部分研究对象，原本在旧模型中被错分，但在新模型中得到了纠正，分入了正确的分组，同样也有一部分研究对象，原本在旧模型中分类正确，但在新模型中却被错分，因此研究对象的分类在新、旧模型中会发生一定的变化，我们利用这种重新分类的现象，来计算净重新分类改善指数NRI。

3、IDI（综合判别改善指数）

由于它考虑了不同切点的情况，可以用来反映模型的整体改善状况，在一定程度上补齐了NRI的短板。同时，虽然AUC也考虑到了不同切点，但是AUC的改善情况在临床中不易解释，IDI也因此弥补了AUC的缺陷，可以形象地展示研究对象被准确重新判别的比例。

总体来说IDI越大，则提示新模型预测能力越好。与NRI类似，若IDI＞0，则为正改善，说明新模型比旧模型的预测能力有所改善，若IDI＜0，则为负改善，新模型预测能力下降，若IDI=0，则认为新模型没有改善。

总结：

1. 相对于经典的AUC指标来说，NRI和IDI属于较为新颖的指标，还处于初步发展的阶段，虽然近年来受到越来越多研究者的关注，但是AUC的提高依然还是可以作为模型预测能力改善的第一判断标准。当然，如果能够同时给出NRI和IDI，则更是锦上添花，在理想的情况下，三者得到的结论应该是较为一致的。

2. NRI的计算与设定的切点密切相关，预测概率的等级划分应该选择适宜的界值。如果等级划分过宽，NRI计算值可能就会比较小，而达不到统计学显著性，如果等级划分过窄过细，则会得到更为精细的NRI，但是却失去了临床实践的指导意义。因此，预测概率切点的划分对于计算NRI来说显得十分重要，一定要结合临床专业的需求来确定。---因为是新的模型，肯定是没有参考文献支持切点的选择的，所有可以选择不提这个问题，但是结果还是可以放吧

3. 如果目前还无法确定明确的划分切点，那么IDI和AUC可能是较好的选择，如果比较关心切点处的改善情况，那么NRI可能是较好的选择。如果结局指标不是二分类变量，而是多分类情况，例如高、中、低风险，那么NRI和IDI可能是更好的选择，AUC则显得较为复杂。

4. 同时，我们还要考虑到临床的可行性和经济效益问题，例如，新增加一个预测指标，确实会产生临床获益，即使提高模型的预测能力并不是太显著，也可以考虑将新指标加入到预测模型中。

解释的话，NRI和IDI感觉可以跟ROC的AUC放一起去说，模型在加入新变量后提高了AUC，从多少变到多少，并且净重新分类改善指数也有统计学意义。此外，IDI均大于0，表示模型均有所改善，其中CD4对模型预测能力有显著的提升作用。

4、AUC

AUC理论上来说应该是在0.5-1之间的，因为如果小于0.5的话，可以反向预测。但是即使是反向预测我看结果应该也是一致的，就是模型比单个风险因素预测性能高。感觉可以就说模型比单个风险因素预测性能高就行了，这样不会出错。论文中确实有这样的ROC的图，图应该没啥问题。

DCA、NRI、IDI相关推荐

临床模型评价：C指数(C-Index)、校正曲线(Calibration plot)、决策分析曲线(Decision Curve Analysis， DCA)、NRI指数
临床模型评价:C指数(C-Index).校正曲线(Calibration plot).决策分析曲线(Decision Curve Analysis, DCA).NRI指数目录
详解GCN、GAT、凸优化、贝叶斯、MCMC、LDA
如果你准备发AI方向的论文,或准备从事科研工作或已在企业中担任AI算法岗的工作.那么我真诚的向大家推荐,贪心学院<高阶机器学习研修班>,目前全网上应该找不到类似体系化的课程.课程精选了四大 ...
影像组学视频学习笔记(25)-查看准确度、灵敏度、特异度及混淆矩阵、Li‘s have a solution and plan.
本笔记来源于B站Up主: 有Li 的影像组学系列教学视频本节(25)主要讲解: 通过sklearn包输出准确度.灵敏度.特异度及混淆矩阵基本概念代码实现 from sklearn.metrics ...
assembly 输出ab中所有数_BGA、TAB、零件、封装及Bonding制程术语解析
1.Active parts(Devices) 主动零件指半导体类之各种主动性集成电路器或晶体管,相对另有 Passive﹣Parts被动零件,如电阻器.电容器等. 2.Array 排列,数组系指 ...
黑马就业班（01.JavaSE Java语言基础-11.Java基础加强）——基础加强:Junit单元测试、反射、注解
1.Junit单元测试测试分类: 1. 黑盒测试:不需要写代码,给输入值,看程序是否能够输出期望的值. 2. 白盒测试:需要写代码的.关注程序具体的执行流程. Junit使用:白盒测试步骤: ...
qu32调音台说明书_ALLEN-HEATH QU 系列数字调音台Qu16、Qu24、Qu32功能介绍
ALLEN-HEATH QU 系列-- Qu16.Qu24.Qu32数字调音台 Qu-24 and Qu-16.jpg (119.81 KB, 下载次数: 536) 2015-4-23 14:05 ...
h264、sps、pps详解
1.学习路线 step1.初步了解h264,了解h264数据帧分类和识别 step2.h264语法相关算法解析,这里对理解h264的视频帧很重要.通俗的说h264数据定义是由一组Bit组成,但是某个字 ...
ISIS路由协议详解（特征、与OSPF对比、拓扑结构、专业术语、路由器分类、网络类型、DIS、报文类型及抓包、邻居关系、路由渗透、路由过载OL位、ISIS认证分类、ISIS管理标签以及各种实验等）
IS-IS特征: Isis:中间系统到中间系统链路状态路由协议 IGP协议 SPF算法 ISIS采用TLV结构,因此扩展性很好(为支持新的协议和特性,只需要扩展新的TLV或子TLV:可以轻松扩展支持 ...
文献翻译__人工智能时代医学图像重建中的凸优化算法（第4、5、6章）
文章下载–我的Gitee Convex optimization algorithms in medical image reconstruction-in the age of AI 人工智能时代医 ...

DCA、NRI、IDI

DCA、NRI、IDI相关推荐

最新文章

热门文章