Multiple Imputation in klinischen Vorhersagemodellen

• Antragsteller: Dr. Manuel Feißt
• Fachliche Zuordnung: Epidemiologie und Medizinische Biometrie/Statistik
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 547069732

Ziel dieser Arbeit ist es, zwei verschiedene Hauptstrategien zu untersuchen und zu vergleichen, die eine Kombination aus multipler Imputation und k-facher Kreuzvalidierung im Entwicklungsprozess von Vorhersagemodellen auf der Grundlage eines unvollständigen Datensatzes in einem klinischen Kontext darstellen. Die erste Strategie besteht darin, eine multiple Imputation vor der Modellvalidierung durchzuführen. Die zweite Strategie besteht darin, die mehrfache Imputation in dem entsprechenden Schritt der Modellvalidierung durchzuführen. Beide Strategien werden für eine Reihe von klinisch relevanten Szenarien verglichen, um ihre Vor- und Nachteile bei der Entwicklung und Validierung eines klinischen Vorhersagemodells zu bewerten. Der Schwerpunkt liegt auf der Bewertung der Performance der Strategien und ihrer möglichen Erweiterungen oder Variationen, sowie auf der Entwicklung von Empfehlungen, welche Strategie in welchem Szenario bevorzugt werden sollte.

• DFG-Verfahren: Sachbeihilfen