Sie sind hier: Startseite Projekte Abgeschlossene Projekte Modellselektionsunsicherheit

Modellselektionsunsicherheit

Modellselektionsunsicherheit und ihr Einfluss auf statistische Prognose- und Diagnosemodelle

Förderung: DFG bis Dezember 2004

Studienleiter: Prof. Dr. Willi Sauerbrei (IMBI)

Mitarbeiter: Prof. Dr. Willi Sauerbrei (IMBI), Dipl.-Stat. Anika Buchholz (IMBI)

In Zusammenarbeit mit: 

Dr. Norbert Holländer (Novartis Pharma AG, Basel, ehem. Mitarbeiter), 

Dr. Nicole Augustin (Department of Mathematical Sciences, University of Bath, ehem. Mitarbeiterin)

 

Beschreibung

Prognose- und Diagnosemodelle basieren in der Regel auf einem Modellsektionsprozess, in dem die wichtigsten Faktoren mit Einfluss auf die Prognose bzw. Diagnose einer Krankheit identifiziert werden sollen. Die Modelle bilden dann die Grundlage für Vorhersagen, Klassifikationsregeln und Diagnosetests. Obwohl eine große Unsicherheit über die wirklich relevanten Faktoren und das geeignetste Modell besteht, wird üblicherweise in der Praxis mit einem einzigen "besten" Modell gearbeitet. Diese Modellunsicherheit kann durch gewichtete Mittelbildung über mögliche Modelle in den Modellierungsprozess mit einbezogen werden, sie kann aber auch als Kriterium zur Modellselektion dienen. Diese Ansätze werden vor allem für die Verbesserung von Vorhersagemodellen verwendet, in der Medizin ist jedoch auch die Interpretation einzelner Effekte wichtig. Weiterhin sollen die Modelle auf andere Situationen (andere Kliniken, späterer Zeitpunkt, usw.) übertragbar sein.
Basierend auf Bootstrap Resampling haben wir einen Bootstrap Model Averaging Ansatz vorgeschlagen. Mittels Simulationsstudien werden die Eigenschaften dieses Verfahrens untersucht. Für spezifische Beispiele vergleichen wir unseren Ansatz mit "Bayesian Model Averaging". Das Hauptziel dieses Projektes ist die Untersuchung, ob eine Berücksichtigung der Modellselektionsunsicherheit durch Bootstrap Resampling zu einer Verbesserung für Vorhersagemodelle und ihrer Präzision führt. Letztendlich sollen Empfehlungen gegeben werden, wie das Problem der Modellselektionsunsicherheit in Prognose- und Diagnosestudien zu berücksichtigen ist.

 

Publikationen

  1. Sauerbrei W, Holländer N, Buchholz A: Investigation about a screening step in model selection. Statistics and Computing, 2008; 18: 195-208.
  2. Buchholz A, Holländer N, Sauerbrei W: On properties of predictors derived with a two-step bootstrap model averaging approach - A simulation study in the linear regression model. Computational Statistics and Data Analysis, 2008; 52: 2778-2793.
  3. Holländer N, Augustin N, Sauerbrei W: Investigation on the improvement of prediction by bootstrap model averaging. Methods of Information in Medicine, 2006; 45:44-50.
  4. Augustin N, Sauerbrei W, Schumacher M: The practical utility of incorporating model selection uncertainty into prognostic models for survival data. Statistical Modelling, 2005; 5: 95-118.