Nguồn tham khảo: Vickers, A. J., & Elkin, E. B. (2006). Decision Curve Analysis: A Novel Method for Evaluating Prediction Models. Medical Decision Making, 26(6), 565–574. https://doi.org/10.1177/0272989X06295361
Truy cập toàn văn: https://doi.org/10.1177/0272989X06295361
Tóm tắt nội dung
Vickers và Elkin nhận thấy mô hình chẩn đoán và tiên lượng thường được đánh giá bằng thước đo độ chính xác không phản ánh hệ quả lâm sàng, còn kỹ thuật phân tích quyết định lại đòi hỏi thêm thông tin và khó áp dụng cho mô hình cho kết quả liên tục. Họ đề xuất phân tích đường cong quyết định (decision curve analysis), phương pháp có tính tới hệ quả, chỉ cần tập dữ liệu kiểm tra mô hình và dùng được cho cả kết quả liên tục lẫn nhị phân.
Giả định nền tảng là ngưỡng xác suất mà tại đó một bệnh nhân chọn điều trị phản ánh cách người đó cân nhắc tác hại tương đối giữa dương tính giả và âm tính giả. Từ quan hệ này, họ tính lợi ích ròng (net benefit) của mô hình trên nhiều ngưỡng; vẽ lợi ích ròng theo ngưỡng sẽ được đường cong quyết định. Áp dụng cho các mô hình dự báo xâm lấn túi tinh ở bệnh nhân ung thư tuyến tiền liệt, phương pháp xác định được khoảng ngưỡng mà mô hình có giá trị, độ lớn lợi ích và mô hình tốt nhất.
Với bài toán dự báo sinh viên bỏ học, ngưỡng cảnh báo phản ánh sự cân nhắc giữa chi phí tư vấn nhầm và cái giá của việc bỏ sót, nên đường cong quyết định giúp chọn ngưỡng theo nguồn lực thực tế của nhà trường.
Luận điểm liên quan trong bài viết chính
Trong bài viết chính, tài liệu này được dẫn để làm rõ nhận định sau: Đây cũng là logic của phân tích đường cong quyết định do Vickers và Elkin (2006) đề xuất: ngưỡng xác suất phản ánh cách người ra quyết định cân nhắc giữa lợi ích và tác hại.
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