Modelli di previsione del rischio medico: Con legami con l'apprendimento automatico

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 3 voti.

Titolo originale:

Medical Risk Prediction Models: With Ties to Machine Learning

Contenuto del libro:

Modelli di previsione del rischio medico: con legami con il Machine Learning" è un libro pratico per clinici, epidemiologi e statistici professionisti che devono creare o valutare un modello di previsione statistica basato sui dati. L'argomento del libro è la probabilità individuale di un evento medico in un determinato orizzonte temporale. Gerds e Kattan descrivono i dettagli matematici della creazione e della valutazione di un modello di previsione statistica in modo estremamente pedagogico, evitando la notazione matematica. Leggete questo libro quando siete in dubbio se un modello di regressione di Cox predice meglio di una foresta di sopravvivenza casuale.

Caratteristiche:

⬤ Tutto ciò che è necessario sapere per creare correttamente un calcolatore di rischio online da zero.

⬤ Discriminazione, calibrazione e performance predittiva con dati censurati e rischi concorrenti.

⬤ Codice R ed esempi illustrativi.

⬤ Interpretazione delle prestazioni predittive tramite benchmark.

⬤ Confronto e combinazione di strategie di modellazione rivali tramite convalida incrociata.

Thomas A. Gerds è professore presso l'Unità di Biostatistica dell'Università di Copenhagen ed è affiliato alla Danish Heart Foundation. È autore di diversi pacchetti R su CRAN e da molti anni tiene corsi di statistica per non statistici.

Michael W. Kattan è un autore molto citato e presidente del Dipartimento di Scienze Quantitative della Salute della Cleveland Clinic. È membro dell'American Statistical Association e ha ricevuto due premi dalla Society for Medical Decision Making: l'Eugene L. Saenger Award for Distinguished Service e il John M. Eisenberg Award for Practical Application of Medical Decision-Making Research.