Ziektekansen voorspellen: rekenen met predictieregels

A prediction rule is a statistical model that can be used to predict the presence or absence of a disease based on a limited number of tests or predictive factors.
One of the mathematical methods used to formulate prediction rules is a logistic regression analysis of patient data.
The discriminatory power of a model is visualizable using box-whisker plots and ROC curves; calibration plots show the match between the predicted chance and the observed frequency of a disease. These graphs are used to assess whether a model adequately reproduces reality.
On publication of prediction rules it is important that the regression function is written out and that the chances of a disease on the basis of diagnostic scores are displayed in a histogram.
For the practical significance of the model, it is also important to know how often the predicted low, medium or high probabilities of a disease do actually occur in comparison with the advance chance of occurrence.

Conflict of interest: none declared. Financial support: none declared.

In de rubriek Stand van zaken verschijnen regelmatig bijdragen over methoden die gebruikt worden bij het opzetten van wetenschappelijk onderzoek. De artikelen in deze serie illustreren op begrijpelijke wijze wat een bepaalde methode behelst, zonder dat hier uitvoerige methodologische kennis voor nodig is. Zowel oude als nieuwe methodologische principes worden zo inzichtelijk gemaakt voor artsen die klinische onderzoeken goed willen interpreteren.

Samenvatting

Een predictieregel is een statistisch model om met een beperkt aantal tests of voorspellende factoren de aan- of afwezigheid van een ziekte te voorspellen.
Een van de rekenkundige methoden die gebruikt worden om predictieregels op te stellen is logistische regressieanalyse van patiëntgegevens.
Het onderscheidend vermogen van een model is te visualiseren met ‘box-and-whisker’-plots en met ROC-curves; kalibratieplots laten de overeenkomst zien tussen de voorspelde ziektekansen en de waargenomen ziektefrequenties. Deze grafieken worden gebruikt om te beoordelen of een model de werkelijkheid goed weergeeft.
Bij publicaties van predictieregels is het van belang dat de regressiefunctie is uitgeschreven en dat de ziektekansen op basis van de diagnostische scores in een histogram zijn geplaatst.
Voor de praktische betekenis van het model dient men te weten hoe vaak de geschatte lage en hoge of middelhoge ziektekansen zich feitelijk voordoen vergeleken met de voorafkans op ziekte.