کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
11005502 1486787 2018 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Validation in prediction research: the waste by data splitting
ترجمه فارسی عنوان
اعتبار سنجی در تحقیق پیش بینی: زباله از تقسیم داده ها
ترجمه چکیده
پیش بینی دقیق نتایج پزشکی برای تشخیص و پیش آگهی مهم است. نیازمندی استاندارد در مجلات علمی پزشکی امروزه در حال حاضر اعتبار خارج از نمونه توسعه باید نشان داده شود. آیا چنین اطلاعاتی نمونه ای از اتلاف منابع است؟ در نمونه های بزرگ، علاقه به تغییر ارزیابی ناهمگونی در عملکرد مدل در تنظیمات تغییر می کند. در نمونه های کوچک، اعتبارسنجی متقابل و بوت استرپینگ روش های کارآمدتری دارند. در نتیجه، تقسیم داده های تصادفی برای اعتبارسنجی مدل های پیش بینی باید لغو شود.
موضوعات مرتبط
علوم پزشکی و سلامت پزشکی و دندانپزشکی سیاست های بهداشت و سلامت عمومی
پیش نمایش مقاله
اعتبار سنجی در تحقیق پیش بینی: زباله از تقسیم داده ها
چکیده انگلیسی
Accurate prediction of medical outcomes is important for diagnosis and prognosis. The standard requirement in major medical journals is nowadays that validity outside the development sample needs to be shown. Is such data splitting an example of a waste of resources? In large samples, interest should shift to assessment of heterogeneity in model performance across settings. In small samples, cross-validation and bootstrapping are more efficient approaches. In conclusion, random data splitting should be abolished for validation of prediction models.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Clinical Epidemiology - Volume 103, November 2018, Pages 131-133
نویسندگان
,