Nguồn tham khảo: Janssen, K., Moons, K., Kalkman, C., Grobbee, D., & Vergouwe, Y. (2008). Updating methods improved the performance of a clinical prediction model in new patients. Journal of Clinical Epidemiology, 61(1), 76–86. https://doi.org/10.1016/j.jclinepi.2007.04.018
Truy cập toàn văn: https://doi.org/10.1016/j.jclinepi.2007.04.018
Tóm tắt nội dung
K.J.M. Janssen, K.G.M. Moons, C.J. Kalkman, D.E. Grobbee và Y. Vergouwe (2008) đặt câu hỏi: khi mô hình dự báo lâm sàng cho kết quả kém trên nhóm bệnh nhân mới, có nhất thiết phải xây mô hình khác không. Thông điệp chính là có thể dùng các phương pháp cập nhật để điều chỉnh mô hình sẵn có thay vì phát triển lại từ đầu, qua đó giữ được thông tin trong mô hình gốc. Các phương pháp cập nhật thường được xếp theo mức can thiệp tăng dần.
Nhẹ nhất là hiệu chỉnh hệ số chặn (intercept), dùng khi tỉ lệ kết cục chung ở quần thể mới khác quần thể gốc, làm mọi xác suất dự báo lệch lên hoặc xuống. Tiếp theo là hiệu chỉnh lại (recalibration), ước lượng lại hệ số chặn cùng một hệ số nhân chung cho điểm dự báo, sửa tình trạng dự báo quá cực đoan hoặc quá dè dặt. Sâu hơn là sửa mô hình (model revision), ước lượng lại hệ số từng biến hoặc thêm biến mới khi quan hệ giữa các biến và kết cục đã đổi.
Phần tóm tắt của bài không nêu cỡ mẫu hay kết quả định lượng. Với hệ thống dự báo bỏ học, bài gợi ý lộ trình thận trọng khi mô hình kém đi ở khóa tuyển sinh mới hoặc khi đem sang trường khác: thử các bước điều chỉnh nhẹ trước, chỉ xây lại mô hình khi những bước đó không đủ.
Luận điểm liên quan trong bài viết chính
Trong bài viết chính, tài liệu này được dẫn để làm rõ nhận định sau: Janssen và cộng sự (2008) cho thấy khi mô hình kém trên nhóm đối tượng mới, có thể áp dụng các phương pháp cập nhật để điều chỉnh mô hình thay vì xây mô hình mới.
Xem bài viết chính: Ứng dụng học máy phát hiện sinh viên có nguy cơ bỏ học: từ bài toán lớp thiểu số đến quyết định can thiệp