文章目录

资料与方法

1.数据来源

2.方法

    (1)概率校准

        ①Platt

        ②IsoReg

        ③RPR

    (2)评估及度量

    (3)参数及实现

结 果

1.Cox回归结果

2.各模型校准前后性能比较

讨 论

文章摘要:目的基于概率校准,预测弥漫性大B细胞淋巴瘤（diffuse large B-cell lymphoma, DLBCL）患者两年内的死亡风险,为医生决策和临床治疗提供参考。方法使用Cox回归筛选DLBCL患者两年内死亡的影响因素。选择logistic回归（logistic regression, logit）、随机森林（random forest, RF）、支持向量机（support vector machines, SVM）、前馈神经网络（feedforward neural network, FNN）构建风险预测模型。同时,使用三种概率校准方法对上述模型进行校准:platt scaling（Platt）、isotonic regression（IsoReg）、shape-restricted polynomial regression（RPR）。使用ROC曲线下的面积（AUC）评价模型的区分性能,使用Hosmer-Lemeshow（H-L）goodness-of-fit test、expected calibration error（ECE）、maximum calibration error（MCE）评价模型的校准性能。结果 logit和FNN能够提供准确的概率估计,校准后其预测性能无提升;RF和SVM的预测概率与真实概率的差异具有统计学意义。除SVM-IsoReg外,三种概率校准方法都能对有偏预测进行良好的校准,且RPR校准效果最好。结论 logit和FNN具有良好的校准性能,而RF和SVM校准性能较差,概率校准能够有效降低它们的预测误差。基于概率校准所构建的风险预测模型达到预期效果。

文章关键词:

项目基金: