Inhoud

Het doel van een predictiemodel is de kans op een bepaalde uitkomst zo goed mogelijk te schatten (voorspellen). Predictiemodellen worden vaak met het oog op de klinische praktijk ontwikkeld, waarbij voor individuele personen de kans op ziekte of herstel door het combineren van informatie over patiënten kan worden berekend. Het model kan dan in de vorm van een predictieregel (clinical prediction rule) worden gepresenteerd. Daarnaast is de generaliseerbaarheid, de prestatie van het predictiemodel bij nieuwe toekomstige patiënten, van groot belang.

Problemen die kunnen optreden bij het ontwikkelen van predictiemodellen zijn o.a. dat het vaak lastig is uit een groot aantal variabelen de meest belangrijke voorspellers te kiezen. Als dit niet zorgvuldig gebeurt, kan dit de kwaliteit van het predictiemodel negatief beïnvloeden. Ook zal het predictiemodel vaak bijgesteld moeten worden voordat het bij nieuwe patiënten toegepast kan worden. Deze zaken worden nog al eens onderschat door clinici en onderzoekers.

De cursus heeft als doel om kennis en inzicht te bieden in de ontwikkeling van voor de praktijk relevante predictiemodellen. Er zal dan ook aandacht besteedt worden aan verschillende methodes voor het selecteren van variabelen en de voor- en nadelen van die methodes zullen behandeld worden. Als eenmaal het predictiemodel ontwikkeld is, is het belangrijk om een idee te krijgen over de kwaliteit van het predictiemodel. Een vraag die daarbij aandacht krijgt is of voorspellingen van het model nauwkeurig zijn. Tijdens de cursus zullen verschillende maten behandeld worden om dit te onderzoeken. Daarnaast is er aandacht voor de toepassing van het model in nieuwe (toekomstige) patiënten. Belangrijk daarbij is om te onderzoeken of het predictiemodel niet in prestaties achteruit gaat als het toegepast wordt in nieuwe patiënten. Dit onderdeel wordt het valideren van het predictiemodel genoemd. Technieken om het predictiemodel te valideren zullen behandeld worden.

De cursus bestaat uit een intensief programma van deels interactieve colleges afgewisseld met computerpractica. Tijdens de computerpractica zal gewerkt worden met voorbeelden uit de klinische praktijk.

Dag 1
De ontwikkeling en kwaliteit van predictiemodellen met o.a.:
- kenmerken van een predictiemodel
- meest gebruikte methoden van variabele selectie
- voor en nadelen van selectie methodes voor variabelen
- de verschillende maten voor kwaliteit benoemen en de interpretatie daarvan behandelen (oa verklaarde variantie en ROC curve)
- betekenis onderzoeken van een predictiemodel voor de praktijk.

Dag 2
De validering van predictiemodellen met o.a.:
- het verschil tussen interne en externe validatie van predictiemodellen
- vertaling van een predictiemodel naar makkelijk te gebruiken (klinisch) instrument
- de betekenis van overfitting, optimisme en shrinkage bij de ontwikkeling en interne validatie van een predictiemodel
- technieken voor het bepalen van overfitting en shrinkage (oa bootstrappen) en de verschillende voor- en nadelen daarvan bespreken
- extern valideren en eventueel bijstellen van een predictiemodel
- bespreking van aspecten van ontwikkeling en validering van een predictiemodel aan de hand van een praktische casus.

Ingangseisen
Voor het volgen van deze cursus is vereist dat de cursus Regressietechnieken (V05) is gevolgd, of dat u beschikt over aantoonbare kennis op dit niveau.