Modely predikce lékařských rizik: S vazbou na strojové učení

Recenze čtenářů

Aktuálně nejsou k dispozici žádné recenze čtenářů. Hodnocení je založeno na 3 hlasů.

Původní název:

Medical Risk Prediction Models: With Ties to Machine Learning

Obsah knihy:

Medical Risk Prediction Models: With Ties to Machine Learning je praktická kniha pro lékaře, epidemiology a profesionální statistiky, kteří potřebují vytvořit nebo vyhodnotit statistický predikční model založený na datech. Předmětem knihy je individualizovaná pravděpodobnost výskytu zdravotní události u pacienta v daném časovém horizontu. Gerds a Kattan popisují matematické detaily tvorby a vyhodnocování statistického predikčního modelu vysoce pedagogickým způsobem, přičemž se vyhýbají matematickému zápisu. Tuto knihu si přečtěte, pokud máte pochybnosti o tom, zda Coxův regresní model předpovídá lépe než náhodný les přežití.

Vlastnosti:

⬤ Vše, co potřebujete vědět, abyste správně vytvořili online kalkulačku rizik od nuly.

⬤ Diskriminace, kalibrace a prediktivní výkonnost s cenzorovanými daty a konkurenčními riziky.

⬤ R-kód a názorné příklady.

⬤ Interpretace predikční výkonnosti pomocí srovnávacích testů.

⬤ Srovnání a kombinace konkurenčních modelovacích strategií prostřednictvím křížové validace.

Thomas A. Gerds je profesorem na oddělení biostatistiky na Kodaňské univerzitě a spolupracuje s Dánskou kardiologickou nadací. Je autorem několika balíčků R v síti CRAN a již mnoho let vede kurzy statistiky pro nestatistiky.

Michael W. Kattan je vysoce citovaným autorem a vedoucím oddělení kvantitativních zdravotnických věd na Clevelandské klinice. Je členem Americké statistické asociace a od Společnosti pro lékařské rozhodování obdržel dvě ocenění: Eugene L. Saenger Award for Distinguished Service a John M. Eisenberg Award for Practical Application of Medical Decision-Making Research.