Artikel
Modellierung und Validierung logistischer Regressionsmodelle mit einem SAS-Makropaket
Suche in Medline nach
Autoren
Veröffentlicht: | 10. September 2008 |
---|
Gliederung
Text
Einleitung und Fragestellung
Prognosen bestimmen die medizinischen Therapie- und Diagnostikentscheidungen direkt oder indirekt. Neben der subjektiven Einschätzung des Arztes können mathematische Modelle für Prognosezwecke entwickelt und validiert werden. In der Praxis ist die betrachtete Zielgröße häufig dichotom, so dass multiple logistische Regressionsmodelle zum Einsatz kommen [Ref. 3]. Im Folgenden werden SAS-Makros angegeben, die für eine Modellierung basierend auf logistischen Regressionsmodellen entwickelt wurden [Ref. 1], [Ref. 4]. Die Untersuchung der Prognosemöglichkeiten erfolgt in drei Schritten: Modellentwicklung, Bestimmung der Prognosegüte und Modellvalidierung [Ref. 2].
Material und Methoden
Verschiedene Schritte sind zur Modellentwicklung notwendig:
Untersuchung / Deskription der Variablen: PM_DESCRIPTIVE.MAC.SAS
Multikollinearitätsanalyse: PM_MULTICOLLIN.MAC.SAS
Missing-Value Ersetzung: PM_MISSING.MAC.SAS
einflussreiche Beobachtungen identifizieren: PM_INFLUENCE.MAC.SAS
univariate logistische Regression / fractional polynomials: PM_UNI_LOGREG.MAC.SAS
multiple logistische Regression: PM_LOGREG.MAC.SAS
Goodness-of-Fit Untersuchung: PM_GOF.MAC.SAS
Die Prognosegüte wird anhand einer ROC-Analyse ausgewertet: PM_ROC.MAC.SAS
Modellvalidierungen sind ebenfalls umgesetzt:
externe Validierung: PM_EXTERNAL_VALIDATION.MAC.SAS
Data-Splitting: PM_DATASPLITTING.MAC.SAS
Crossvalidation: PM_CROSSVALIDATION.MAC.SAS
Bootstrap: PM_BOOTSTRAP_VALIDATION.MAC.SAS
Shrinkage: PM_SHRINKAGE_VALIDATION.MAC.SAS
Inzwischen ist das Makropaket für die SAS Version 9.1 überarbeitet worden und steht als Download unter http://www.uni-ulm.de/biometrie/prognosemakros.html zur Verfügung.
Diskussion
Insgesamt ist somit ein Werkzeug vorhanden, mit dem die Entwicklung und Validierung eines logistischen Prognosemodells ohne größeren Aufwand ermöglicht wird, so dass speziell die Modellvalidierung in Zukunft zu jeder Prognosebetrachtung herangezogen werden kann und sollte.
Literatur
- 1.
- Allison PD. Logistic regression using the SAS system. SAS Institute Books by Users, Cary NC, 1999
- 2.
- Harrell FE. Regression modeling strategies. Springer, New York, 2001
- 3.
- Hosmer DW, Lemeshow S. Applied logistic regression (2nd Ed.). J. Wiley & Sons, New York, 2000
- 4.
- Muche R, Ring C, Ziegler C. Entwicklung und Validierung von Prognosemodellen. Shaker Verlag, Aachen, 2005