Nguồn tham khảo: Van Calster, B., Wynants, L., Verbeek, J. F., Verbakel, J. Y., Christodoulou, E., Vickers, A. J., Roobol, M. J., & Steyerberg, E. W. (2018). Reporting and Interpreting Decision Curve Analysis: A Guide for Investigators. European Urology, 74(6), 796–804. https://doi.org/10.1016/j.eururo.2018.08.038
Truy cập toàn văn: https://doi.org/10.1016/j.eururo.2018.08.038
Tóm tắt nội dung
Ben Van Calster, Laure Wynants, Jan F.M. Verbeek, Jan Y. Verbakel, Evangelia Christodoulou, Andrew J. Vickers, Monique J. Roobol và Ewout W. Steyerberg đưa ra khuyến nghị về cách diễn giải và báo cáo phân tích đường cong quyết định (decision curve analysis, DCA). Khác với thước đo truyền thống, DCA vẽ lợi ích ròng theo một dải ngưỡng nguy cơ hợp lý để đánh giá mức hữu ích của mô hình khi ra quyết định. Nhóm tác giả rà soát không chính thức các bài tiết niệu học, rồi minh họa bằng dữ liệu 3616 bệnh nhân để dự báo ung thư tuyến tiền liệt độ cao (313 ca, 9%) nhằm quyết định ai cần sinh thiết; mô hình mở rộng thêm hai biến từ siêu âm qua trực tràng (TRUS).
Bài giải thích ngưỡng nguy cơ, chiến lược mặc định (can thiệp tất cả hoặc không can thiệp ai) và đánh đổi xét nghiệm. Quy trình gồm hai bước: xem mô hình có vượt mọi chiến lược khác trên toàn dải ngưỡng không, rồi xét chi phí phát sinh khi dùng mô hình. Trong ví dụ, thêm TRUS tăng lợi ích ròng 0,0114, tương đương phát hiện thêm 1,1 ca trên 100 bệnh nhân, nên đáng làm nếu chấp nhận cho 88 người làm TRUS để tìm thêm một ca, hoặc 10 người để tránh một lần sinh thiết thừa. Với dự báo bỏ học, hai bước này giúp nhà trường xét xem thu thập thêm dữ liệu có đáng công hay không.
Luận điểm liên quan trong bài viết chính
Trong bài viết chính, tài liệu này được dẫn để làm rõ nhận định sau: Van Calster và cộng sự (2018) khuyến nghị trước hết kiểm tra mô hình có vượt cả hai chiến lược mặc định trên toàn bộ khoảng ngưỡng hợp lý hay không.
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