¿Qué inspiró este deseo? lista ¿pedido?Describa el problema actual que necesita mejora o el problema a resolver que no es fácil o posible en este momento, con un caso de uso de ejemplo.
Recientemente me encontré con algunos revisores que solicitaban que siguiéramos las metodologías descritas en: Informe transparente de un modelo de predicción multivariable para pronóstico o diagnóstico individual (TRIPOD) descrito en Annals of Internal Medicine 2015; 162: documento W1-W73. En ese artículo, los autores describieron la representación de los resultados previstos (eje x) frente a los resultados reales (eje y) mediante un gráfico de calibración. Continúan describiendo las curvas de beneficio neto (Una guía simple, paso a paso para interpretar el análisis de la curva de decisión; Vickers, van Calster y Steyerberg; Diagnostic and Prognostic Research, 2019; https://doi.org/10.1186/s41512-019-0064-7 ) como herramienta para evaluar el beneficio frente al riesgo umbral
Hay un tutorial y un código para esta herramienta disponibles en línea para Python, R, STATA y SAS: Tutorial de análisis de curvas de decisión (danieldsjoberg.com)
Esta herramienta amplía la utilidad de las herramientas existentes utilizadas para evaluar la precisión de modelos predictivos como el AUC (estadística c) al permitir la aplicación de utilidad clínica. Es una herramienta que se utiliza cada vez más en los negocios y en otros entornos de riesgo-beneficio. Aunque la salida puede ser tabular, se trata principalmente de una herramienta basada en gráficos que "encaja" muy bien dentro del paradigma JMP.
Versión actual de JMP: JMP Pro 17.2
