Validación interna de modelos predictivos de regresión logística. Comando Validation (Stata)

Abstract

El desarrollo de modelos predictivos de regresión logística es uno de los métodos estadísticos más empleados en el área de la medicina. La probabilidad estimada a partir de estos modelos se emplea en dos contextos distintos: pronóstico, en el cual se desea determinar la probabilidad de que un evento específico ocurrirá en el futuro; y diagnóstico, donde el objetivo se centra en la probabilidad de que cierta condición o enfermedad esté presente. Pero antes de que un modelo predictivo sea implementado en la práctica clínica debe ser validado interna y externamente. La declaración TRIPOD, recomendaciones basadas en la evidencia para el reporte de estudios de modelos predictivos, sugiere que las técnicas de validación interna tienen que ser reportadas. A pesar de ello, varias revisiones sistemáticas han demostrado que la validación interna y externa de los modelos predictivos es poco frecuente. Con el objetivo de aumentar la frecuencia de validación en los modelos predictivos en este trabajo se exponen las diferentes técnicas de validación interna: aparente, por división de datos, cruzada y bootstrap; y se ha desarrollado una herramienta sencilla, el comando validation, en el programa Stata para realizar la validación interna de un modelo predictivo mediante técnicas bootstrap. El comando validation permite evaluar los dos aspectos principales del rendimiento de un modelo predictivo: la discriminación y la calibración. La capacidad discriminante del modelo es evaluada mediante el C-Statistic aparente y ajustado por el optimismo. El rendimiento en términos de calibración se reporta mediante el test de HosmerLemeshow y la pendiente de calibración o Shrinkage factor. El comando incluye una opción gráfica que permite obtener la curva ROC, los histogramas de probabilidades predichas por el modelo en función del evento de interés y un gráfico de calibración con las probabilidades predichas vs. las observadas separadas por grupos de riesgo. Como complemento el comando reporta el número de veces que cada predictor es incluido en el modelo final en las muestras bootstrap. Este comando permitirá a los investigadores realizar de una forma sencilla la validación interna de los modelos predictivos de regresión logística empleando técnicas bootstrap.