Статистические данные > Методология [представлена 27 октября 2026 года] Название: Изменённый выбор на основе результатов для моделей прогнозирования Вид Резюме PDF: Цель: Переменный отбор моделей клинического прогнозирования обычно производится по статистическим основаниям, связанным с соответствием модели. В статистических подходах игнорируются издержки неправильной классификации и вред измерения переменной. Мы стремимся разработать алгоритм выбора переменных решений на основе чистой выгоды. Материалы и методы: Предлагаемый алгоритм выбирает набор прогнозов путем исчерпывающего сопоставления чистых выгод всех комбинаций с использованием перекрестной проверки, при этом расширение основывается на обратной ликвидации для настройок со многими прогнозерами. Переменные величины выбираются в том случае, если увеличение чистого выигрыша от улучшения прогнозирования превышает чистое сокращение выгод за счет вредного воздействия переменных показателей. Ущерб включает в себя финансовые расходы, время, распределение ресурсов и бремя для пациентов. Мы иллюстрируем алгоритм с помощью моделируемого примера и трех реальных тематических исследований. Мы сравниваем результаты его деятельности с традиционными мерами по ликвидации отсталости и ЛАГСО. Результаты: В рамках тематических исследований были разработаны рядообразные модели, которые позволили оптимизировать клиническую полезность при минимальном воздействии на дискриминацию и калибровку. Установление уголовной ответственности за…
Выбор моделей прогнозирования с учетом затрат
arXiv: 261 030,37353v1 Вид уведомления: новое резюме: Цель: Переменный отбор моделей клинического прогнозирования обычно производится на статистических основаниях в связи с соответствием модели. В статистических подходах игнорируются издержки неправильной классификации и вред измерения переменной. Мы стремимся разработать алгоритм выбора переменных решений на основе чистой выгоды. Материалы и методы: Предлагаемый алгоритм выбирает набор прогнозов путем исчерпывающего сопоставления чистых выгод всех комбинаций с использованием перекрестной проверки, при этом расширение основывается на обратной ликвидации для настройок со многими прогнозерами. Переменные величины выбираются в том случае, если увеличение чистого выигрыша от улучшения прогнозирования превышает чистое сокращение выгод за счет вредного воздействия переменных показателей. Ущерб включает в себя финансовые расходы, время, распределение ресурсов и бремя для пациентов. Мы иллюстрируем алгоритм с помощью моделируемого примера и трех реальных тематических исследований. Мы сравниваем результаты его деятельности с традиционными мерами по ликвидации отсталости и ЛАГСО. Резул