Validación interna de modelos predictivos de regresión logística. Comando Validation (Stata)

El desarrollo de modelos predictivos de regresión logística es uno de los métodos estadísticos más empleados en el área de la medicina. La probabilidad estimada a partir de estos modelos se emplea en dos contextos distintos: pronóstico, en el cual se desea determinar la probabilidad de que un evento...

Descripción completa

Detalles Bibliográficos
Autor: Fernández Félix, Borja Manuel
Tipo de recurso: tesis de maestría
Fecha de publicación:2018
País:España
Institución:Universidad Complutense de Madrid (UCM)
Repositorio:Docta Complutense
Idioma:español
OAI Identifier:oai:docta.ucm.es:20.500.14352/14237
Acceso en línea:https://hdl.handle.net/20.500.14352/14237
Access Level:acceso abierto
Palabra clave:519.22-7
519.237
57.087.1
519.22-76
modelos predictivos
regresión logística
STATA
Estadística
Análisis Multivariante
Medicina
1209 Estadística
1209.09 Análisis Multivariante
32 Ciencias Médicas
id ES_362906bdb0bf2fb7ce8bcfb55056c3df
oai_identifier_str oai:docta.ucm.es:20.500.14352/14237
network_acronym_str ES
network_name_str España
repository_id_str
spelling Validación interna de modelos predictivos de regresión logística. Comando Validation (Stata)Fernández Félix, Borja Manuel519.22-7519.23757.087.1519.22-76modelos predictivosregresión logísticaSTATAEstadísticaAnálisis MultivarianteMedicina1209 Estadística1209.09 Análisis Multivariante32 Ciencias MédicasEl desarrollo de modelos predictivos de regresión logística es uno de los métodos estadísticos más empleados en el área de la medicina. La probabilidad estimada a partir de estos modelos se emplea en dos contextos distintos: pronóstico, en el cual se desea determinar la probabilidad de que un evento específico ocurrirá en el futuro; y diagnóstico, donde el objetivo se centra en la probabilidad de que cierta condición o enfermedad esté presente. Pero antes de que un modelo predictivo sea implementado en la práctica clínica debe ser validado interna y externamente. La declaración TRIPOD, recomendaciones basadas en la evidencia para el reporte de estudios de modelos predictivos, sugiere que las técnicas de validación interna tienen que ser reportadas. A pesar de ello, varias revisiones sistemáticas han demostrado que la validación interna y externa de los modelos predictivos es poco frecuente. Con el objetivo de aumentar la frecuencia de validación en los modelos predictivos en este trabajo se exponen las diferentes técnicas de validación interna: aparente, por división de datos, cruzada y bootstrap; y se ha desarrollado una herramienta sencilla, el comando validation, en el programa Stata para realizar la validación interna de un modelo predictivo mediante técnicas bootstrap. El comando validation permite evaluar los dos aspectos principales del rendimiento de un modelo predictivo: la discriminación y la calibración. La capacidad discriminante del modelo es evaluada mediante el C-Statistic aparente y ajustado por el optimismo. El rendimiento en términos de calibración se reporta mediante el test de HosmerLemeshow y la pendiente de calibración o Shrinkage factor. El comando incluye una opción gráfica que permite obtener la curva ROC, los histogramas de probabilidades predichas por el modelo en función del evento de interés y un gráfico de calibración con las probabilidades predichas vs. las observadas separadas por grupos de riesgo. Como complemento el comando reporta el número de veces que cada predictor es incluido en el modelo final en las muestras bootstrap. Este comando permitirá a los investigadores realizar de una forma sencilla la validación interna de los modelos predictivos de regresión logística empleando técnicas bootstrap.Facultad de Estudios Estadísticos (UCM)Pérez Pérez, TeresaMuriel García, AlfonsoUniversidad Complutense de Madrid20182018-09-0120182018-09-01master thesishttp://purl.org/coar/resource_type/c_bdccinfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/20.500.14352/14237reponame:Docta Complutenseinstname:Universidad Complutense de Madrid (UCM)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessoai:docta.ucm.es:20.500.14352/142372026-06-02T12:44:21Z
dc.title.none.fl_str_mv Validación interna de modelos predictivos de regresión logística. Comando Validation (Stata)
title Validación interna de modelos predictivos de regresión logística. Comando Validation (Stata)
spellingShingle Validación interna de modelos predictivos de regresión logística. Comando Validation (Stata)
Fernández Félix, Borja Manuel
519.22-7
519.237
57.087.1
519.22-76
modelos predictivos
regresión logística
STATA
Estadística
Análisis Multivariante
Medicina
1209 Estadística
1209.09 Análisis Multivariante
32 Ciencias Médicas
title_short Validación interna de modelos predictivos de regresión logística. Comando Validation (Stata)
title_full Validación interna de modelos predictivos de regresión logística. Comando Validation (Stata)
title_fullStr Validación interna de modelos predictivos de regresión logística. Comando Validation (Stata)
title_full_unstemmed Validación interna de modelos predictivos de regresión logística. Comando Validation (Stata)
title_sort Validación interna de modelos predictivos de regresión logística. Comando Validation (Stata)
dc.creator.none.fl_str_mv Fernández Félix, Borja Manuel
author Fernández Félix, Borja Manuel
author_facet Fernández Félix, Borja Manuel
author_role author
dc.contributor.none.fl_str_mv Pérez Pérez, Teresa
Muriel García, Alfonso
Universidad Complutense de Madrid
dc.subject.none.fl_str_mv 519.22-7
519.237
57.087.1
519.22-76
modelos predictivos
regresión logística
STATA
Estadística
Análisis Multivariante
Medicina
1209 Estadística
1209.09 Análisis Multivariante
32 Ciencias Médicas
topic 519.22-7
519.237
57.087.1
519.22-76
modelos predictivos
regresión logística
STATA
Estadística
Análisis Multivariante
Medicina
1209 Estadística
1209.09 Análisis Multivariante
32 Ciencias Médicas
description El desarrollo de modelos predictivos de regresión logística es uno de los métodos estadísticos más empleados en el área de la medicina. La probabilidad estimada a partir de estos modelos se emplea en dos contextos distintos: pronóstico, en el cual se desea determinar la probabilidad de que un evento específico ocurrirá en el futuro; y diagnóstico, donde el objetivo se centra en la probabilidad de que cierta condición o enfermedad esté presente. Pero antes de que un modelo predictivo sea implementado en la práctica clínica debe ser validado interna y externamente. La declaración TRIPOD, recomendaciones basadas en la evidencia para el reporte de estudios de modelos predictivos, sugiere que las técnicas de validación interna tienen que ser reportadas. A pesar de ello, varias revisiones sistemáticas han demostrado que la validación interna y externa de los modelos predictivos es poco frecuente. Con el objetivo de aumentar la frecuencia de validación en los modelos predictivos en este trabajo se exponen las diferentes técnicas de validación interna: aparente, por división de datos, cruzada y bootstrap; y se ha desarrollado una herramienta sencilla, el comando validation, en el programa Stata para realizar la validación interna de un modelo predictivo mediante técnicas bootstrap. El comando validation permite evaluar los dos aspectos principales del rendimiento de un modelo predictivo: la discriminación y la calibración. La capacidad discriminante del modelo es evaluada mediante el C-Statistic aparente y ajustado por el optimismo. El rendimiento en términos de calibración se reporta mediante el test de HosmerLemeshow y la pendiente de calibración o Shrinkage factor. El comando incluye una opción gráfica que permite obtener la curva ROC, los histogramas de probabilidades predichas por el modelo en función del evento de interés y un gráfico de calibración con las probabilidades predichas vs. las observadas separadas por grupos de riesgo. Como complemento el comando reporta el número de veces que cada predictor es incluido en el modelo final en las muestras bootstrap. Este comando permitirá a los investigadores realizar de una forma sencilla la validación interna de los modelos predictivos de regresión logística empleando técnicas bootstrap.
publishDate 2018
dc.date.none.fl_str_mv 2018
2018-09-01
2018
2018-09-01
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.14352/14237
url https://hdl.handle.net/20.500.14352/14237
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Facultad de Estudios Estadísticos (UCM)
publisher.none.fl_str_mv Facultad de Estudios Estadísticos (UCM)
dc.source.none.fl_str_mv reponame:Docta Complutense
instname:Universidad Complutense de Madrid (UCM)
instname_str Universidad Complutense de Madrid (UCM)
reponame_str Docta Complutense
collection Docta Complutense
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869405940354121728
score 15,301603

Similares en LA Referencia