Predicción del reintento de suicidio: Random survival forest versus regresión de Cox
En Psiquiatría, resulta de interés poder predecir un reintento de suicidio en pacientes asistidos por conducta suicida, de acuerdo a sus características sociodemográficas y clínicas. El objetivo de este trabajo es comparar la capacidad discriminante y predictiva de cuatro estrategias para el ajuste de los datos: regresión de Cox con todas las covariables (CoxComp), regresión de Cox mediante eliminación hacia atrás (CoxBack), Random Survival Forest (RSF) con todas las covariables (RSFComp) y RSF con eliminación de las variables cuya importancia en RSFComp resulta negativa (RSFElim). Los datos corresponden a una cohorte de pacientes con conducta suicida seguidos por dos años. Estos se dividieron en una base de entrenamiento y otra de prueba. Sobre la base de entrenamiento, se ajustaron los modelos propuestos y, con ellos, se estimó la probabilidad de supervivencia a dos años para los datos de prueba. Se midió la capacidad discriminante de los modelos en términos de sensibilidad, especificidad y precisión para predecir el reintento de suicidio y se calculó el área bajo la curva ROC (AUC) y el score integrado de Brier (IBS) a fin de evaluar el rendimiento de predicción general. Este proceso se repitió 500 veces, y los valores obtenidos en cada iteración se registraron para su análisis posterior. En cuanto a la predicción de reintento de suicidio a dos años, RSFElim presentó los mejores resultados respecto a AUC, especificidad y precisión, siendo CoxComp y CoxBack quienes presentaron mejores resultados para sensibilidad. RSFComp mostró los resultados más desfavorables en las medidas calculadas, salvo para especificidad. Respecto al IBS, RSFElim mostró los mejores resultados y CoxComp, los más desfavorables. Si bien RSFComp y CoxBack presentaron valores similares de la mediana de IBS, CoxBack mostró mayor variabilidad. De acuerdo a estos resultados, RSFElim fue considerado el método con mejor capacidad predictiva para este conjunto de datos.
| Main Authors: | , , |
|---|---|
| Format: | Fil: Fil: Chiapella, Luciana C.. Universidad Nacional de Rosario. Facultad de Ciencias Bioquímicas y Farmacéuticas; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET); Argentina. biblioteca |
| Language: | spa |
| Published: |
2020-10
|
| Subjects: | Supervivencia, Cox, Random forest, |
| Online Access: | https://rdu.unc.edu.ar/handle/11086/16915 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|