Modely predpovedania lekárskych rizík: S väzbami na strojové učenie

Recenzie čitateľov

Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 3 hlasoch.

Pôvodný názov:

Medical Risk Prediction Models: With Ties to Machine Learning

Obsah knihy:

Medical Risk Prediction Models: With Ties to Machine Learning je praktická kniha pre lekárov, epidemiológov a profesionálnych štatistikov, ktorí potrebujú vytvoriť alebo vyhodnotiť štatistický predikčný model na základe údajov. Predmetom knihy je individualizovaná pravdepodobnosť výskytu zdravotnej udalosti u pacienta v danom časovom horizonte. Gerds a Kattan opisujú matematické detaily tvorby a vyhodnocovania štatistického predikčného modelu vysoko pedagogickým spôsobom, pričom sa vyhýbajú matematickej notácii. Túto knihu si prečítajte, keď máte pochybnosti o tom, či Coxov regresný model predpovedá lepšie ako náhodný les prežitia.

Vlastnosti:

⬤ Všetko, čo potrebujete vedieť, aby ste správne vytvorili online kalkulačku rizika od základov.

⬤ Diskriminácia, kalibrácia a predikčná výkonnosť s cenzurovanými údajmi a konkurenčnými rizikami.

⬤ R-kód a názorné príklady.

⬤ Interpretácia predikčnej výkonnosti prostredníctvom referenčných hodnôt.

⬤ Porovnanie a kombinácia konkurenčných modelovacích stratégií prostredníctvom krížovej validácie.

Thomas A. Gerds je profesorom na oddelení bioštatistiky na Kodanskej univerzite a spolupracuje s Dánskou nadáciou pre srdce. Je autorom niekoľkých balíkov R na CRAN a už mnoho rokov vedie kurzy štatistiky pre neštatistikov.

Michael W. Kattan je vysoko citovaný autor a vedúci oddelenia kvantitatívnych zdravotníckych vied na Clevelandskej klinike. Je členom Americkej štatistickej asociácie a získal dve ocenenia od Spoločnosti pre medicínske rozhodovanie: Eugene L. Saenger Award for Distinguished Service a John M. Eisenberg Award for Practical Application of Medical Decision-Making Research.