У меня есть набор пациентов, которые разделены на набор для обучения и проверки. Я хотел бы оценить эффективность нескольких параметров для стратификации общей выживаемости. Поэтому я использую пакет pec (https://cran.r-project.org/web/packages/pec/pec.pdf) для генерации кривых ошибок прогнозирования и интегрированного балла (IBS). Вопрос, который у меня есть, заключается в том, есть ли способ определить, значительно ли IBS Model_1 по сравнению с Model_2 или эталонной моделью?Prediction Ошибка Кривые - оценка результата
Благодарим за помощь!
models <- list("Model_1" = coxph(Surv(OS, OS_event)~ var_1+var_2, data=df_train),
"Model_2" = coxph(Surv(OS, OS_event) ~ var_3+var_4, data=df_train))
brier <- pec(object=models,
data=df_validate,
formula=Surv(OS, OS_event)~age,
exact=TRUE,
cens.model="marginal",
traindata = df_train)
plot(brier)
print(brier)
Это не вложенные модели, поэтому обычные методы, зависящие от маргинальности, не будут информативными. Некоторые считают, что использование некоторого информационного критерия позволяет обойти это ограничение. Я не уверен в этом. Возможно, вам следует опубликовать некоторые фактические результаты? На данный момент это кажется слишком расплывчатым, чтобы предлагать закодированный ответ, который предполагается передать StackOverflow. –