Entwicklung und Validierung von Prognosemodellen auf Basis der logistischen Regression

En savoir plus sur le livre

Im medizinischen Kontext ist eine Prognose eine Vorhersage über den zukünftigen Verlauf einer Krankheit, die auf Informationen über den Patienten zum Zeitpunkt der Prognose basiert. Ärzte nutzen Prognosen als Entscheidungshilfe, um Patienten und Angehörige zu informieren und um diagnostische sowie therapeutische Entscheidungen zu unterstützen. Eine genaue Prognose ermöglicht eine bessere Ressourcenzuteilung im Gesundheitswesen und hilft bei der Definition von Risikogruppen. Typischerweise basieren Prognosen auf der Erfahrung der Ärzte und einer Zusammenfassung aller relevanten Informationen. Bei der Formalisierung durch mathematische Modelle ist ein multifaktorieller Ansatz erforderlich. Die vorliegende Schrift konzentriert sich auf die Entwicklung und Validierung von Prognosemodellen, insbesondere der logistischen Regression, zur Vorhersage dichotomer Ereignisse. Die Ziele umfassen die Identifikation praktischer Probleme in der Prognosemodellierung, die Ableitung eines Modellierungsansatzes, die Vermeidung wesentlicher Fehler und die Bereitstellung notwendiger Werkzeuge zur Verbesserung der biometrischen Praxis. Wichtige Probleme der Modellbildung wie nicht spezifizierte Variablen, Multikollinearität, Überanpassung und fehlende Validierung werden behandelt. Die Publikation schlägt einen spezifischen Weg für die Modellentwicklung und -validierung vor und bietet SAS-Makros zur Unterstützung dieser Prozesse an. Dadurch wird di