Clinical Prediction Models / Steyerberg, Ewout W.  

Público ISBD Ningún comentario para este registro. Título : Clinical Prediction Models : A Practical Approach to Development, Validation, and Updating Tipo de documento: documento electrónico Autores: Steyerberg, Ewout W., Autor Mención de edición: 2 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XXXIII, 558 p. 226 ilustraciones, 161 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-16399-0 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Biometría  Medicina Interna  Bioestadística Índice Dewey: 57.015.195 Resumen: La segunda edición de este volumen proporciona información e ilustraciones prácticas sobre cómo se pueden aplicar los conceptos estadísticos modernos y los métodos de regresión en los problemas de predicción médica, incluidos los resultados de diagnóstico y pronóstico. Se han logrado muchos avances en los enfoques estadísticos para la predicción de resultados, pero se necesita una estrategia sensata para el desarrollo, la validación y la actualización de modelos, de modo que los modelos de predicción puedan respaldar mejor la práctica médica. Existe una creciente necesidad de una medicina personalizada basada en la evidencia que utilice un enfoque individualizado para la toma de decisiones médicas. En esta era de Big Data, existe un acceso ampliado a grandes volúmenes de datos recopilados de manera rutinaria y un mayor número de aplicaciones para los modelos de predicción, como la detección temprana dirigida de enfermedades y los enfoques individualizados para las pruebas de diagnóstico y el tratamiento. Clinical Prediction Models presenta una lista de verificación práctica que debe tenerse en cuenta para el desarrollo de un modelo de predicción válido. Los pasos incluyen consideraciones preliminares como el manejo de valores faltantes; codificación de predictores; selección de efectos principales e interacciones para un modelo multivariable; estimación de parámetros del modelo con métodos de contracción e incorporación de datos externos; evaluación del rendimiento y la utilidad; validación interna; y formato de presentación. El texto también aborda problemas comunes que hacen que los modelos de predicción no sean óptimos, como tamaños de muestra pequeños, afirmaciones exageradas y poca generalización. El texto está destinado principalmente a epidemiólogos clínicos y bioestadísticos. Incluyendo muchos estudios de casos y conjuntos de datos y código R disponibles públicamente, el libro también es apropiado como libro de texto para un curso de posgrado sobre modelos predictivos en diagnóstico y pronóstico. Si bien es de naturaleza práctica, el libro también proporciona una perspectiva filosófica sobre el análisis de datos en medicina que va más allá del modelado predictivo. Las actualizaciones de esta edición nueva y ampliada incluyen: • Una discusión de Big Data y sus implicaciones para el diseño de modelos de predicción • Problemas de aprendizaje automático • Más simulaciones con valores ''y'' faltantes • Discusión ampliada sobre la heterogeneidad entre cohortes • Descripción de ShinyApp • Ilustración LASSO actualizada • Nuevos estudios de casos . Nota de contenido: Introduction -- Applications of prediction models.Study design for prediction modeling -- Statistical Models for Prediction -- Overfitting and optimism in prediction models -- Choosing between alternative statistical models -- Missing values -- Case study on dealing with missing values -- Coding of Categorical and Continuous Predictors -- Restrictions on candidate predictors -- Selection of main effects -- Assumptions in regression models: Additivity and linearity -- Modern estimation methods -- Estimation with external information -- Evaluation of performance -- Evaluation of Clinical Usefulness -- Validation of Prediction Models -- Presentation formats -- Patterns of external validity -- Updating for a new setting -- Updating for multiple settings -- Case study on a prediction of 30-day mortality -- Case study on Survival Analysis: prediction of cardiovascular events -- Overall lessons and data sets -- References. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Clinical Prediction Models : A Practical Approach to Development, Validation, and Updating [documento electrónico] / Steyerberg, Ewout W., Autor  . -  2 ed.  . - [s.l.] : Springer, 2019 . - XXXIII, 558 p. 226 ilustraciones, 161 ilustraciones en color. ISBN : 978-3-030-16399-0 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Biometría  Medicina Interna  Bioestadística Índice Dewey: 57.015.195 Resumen: La segunda edición de este volumen proporciona información e ilustraciones prácticas sobre cómo se pueden aplicar los conceptos estadísticos modernos y los métodos de regresión en los problemas de predicción médica, incluidos los resultados de diagnóstico y pronóstico. Se han logrado muchos avances en los enfoques estadísticos para la predicción de resultados, pero se necesita una estrategia sensata para el desarrollo, la validación y la actualización de modelos, de modo que los modelos de predicción puedan respaldar mejor la práctica médica. Existe una creciente necesidad de una medicina personalizada basada en la evidencia que utilice un enfoque individualizado para la toma de decisiones médicas. En esta era de Big Data, existe un acceso ampliado a grandes volúmenes de datos recopilados de manera rutinaria y un mayor número de aplicaciones para los modelos de predicción, como la detección temprana dirigida de enfermedades y los enfoques individualizados para las pruebas de diagnóstico y el tratamiento. Clinical Prediction Models presenta una lista de verificación práctica que debe tenerse en cuenta para el desarrollo de un modelo de predicción válido. Los pasos incluyen consideraciones preliminares como el manejo de valores faltantes; codificación de predictores; selección de efectos principales e interacciones para un modelo multivariable; estimación de parámetros del modelo con métodos de contracción e incorporación de datos externos; evaluación del rendimiento y la utilidad; validación interna; y formato de presentación. El texto también aborda problemas comunes que hacen que los modelos de predicción no sean óptimos, como tamaños de muestra pequeños, afirmaciones exageradas y poca generalización. El texto está destinado principalmente a epidemiólogos clínicos y bioestadísticos. Incluyendo muchos estudios de casos y conjuntos de datos y código R disponibles públicamente, el libro también es apropiado como libro de texto para un curso de posgrado sobre modelos predictivos en diagnóstico y pronóstico. Si bien es de naturaleza práctica, el libro también proporciona una perspectiva filosófica sobre el análisis de datos en medicina que va más allá del modelado predictivo. Las actualizaciones de esta edición nueva y ampliada incluyen: • Una discusión de Big Data y sus implicaciones para el diseño de modelos de predicción • Problemas de aprendizaje automático • Más simulaciones con valores ''y'' faltantes • Discusión ampliada sobre la heterogeneidad entre cohortes • Descripción de ShinyApp • Ilustración LASSO actualizada • Nuevos estudios de casos . Nota de contenido: Introduction -- Applications of prediction models.Study design for prediction modeling -- Statistical Models for Prediction -- Overfitting and optimism in prediction models -- Choosing between alternative statistical models -- Missing values -- Case study on dealing with missing values -- Coding of Categorical and Continuous Predictors -- Restrictions on candidate predictors -- Selection of main effects -- Assumptions in regression models: Additivity and linearity -- Modern estimation methods -- Estimation with external information -- Evaluation of performance -- Evaluation of Clinical Usefulness -- Validation of Prediction Models -- Presentation formats -- Patterns of external validity -- Updating for a new setting -- Updating for multiple settings -- Case study on a prediction of 30-day mortality -- Case study on Survival Analysis: prediction of cardiovascular events -- Overall lessons and data sets -- References. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

---

1 (1 - 1 / 1) Por página: 25 50 100 200