Разработка прогностических моделей для клинического применения с использованием логистической регрессии: обзор

Прогностические модели помогают медицинским работникам и пациентам принимать клинические решения. Цель точной прогностической модели — обеспечить стратификацию риска у пациента, чтобы поддержать индивидуализированное клиническое принятие решений в надежде улучшить исходы лечения и качество медицинской помощи. Клинические прогностические модели используют переменные, отобранные потому, что предполагается их связь с интересующим исходом, причем как отрицательная, так и положительная. Построение модели требует данных, которые можно интерпретировать с помощью компьютера и которые надежно зарегистрированы в пределах временного окна, значимого для прогноза. Такие модели обычно определяют как диагностические, то есть оценивающие вероятность заболевания или классификацию по группам заболеваний, или прогностические, то есть оценивающие вероятность ответа на лечение либо риск рецидива. Мы описываем набор рекомендаций и эвристических правил, которые могут использовать врачи для разработки прогностической модели на основе логистической регрессии для бинарных исходов, предназначенной для дополнения клинического принятия решений.