Boken "Medical Risk Prediction Models: With Ties to Machine Learning" er et praktisk verktøy for klinikere, epidemiologer og profesjonelle statistikere som ønsker å utvikle eller evaluere statistiske prediksjonsmodeller basert på data. Hovedfokuset i verket er å vurdere den individualiserte sannsynligheten for at en pasient opplever en medisinsk hendelse innenfor en bestemt tidsramme. Gerds og Kattan presenterer de matematiske aspektene ved utviklingen og evalueringen av statistiske prediksjonsmodeller på en pedagogisk måte, samtidig som de unngår omfattende matematiske formler som kan være avskrekkende for leserne. Denne boken er essensiell når du er usikker på om en Cox-regresjonsmodell gir bedre prediksjoner enn en tilfeldig overlevelsesforekomst. Boken har flere viktige funksjoner: - Alt du trenger å vite for å lage en online risikokalkulator fra bunnen av. - Diskriminering, kalibrering og prediktiv ytelse med sensurerte data og konkurrerende risikoer. - R-kode og illustrerende eksempler. - Tolkning av prediksjonsytelse ved hjelp av referanser. - Sammenligning og kombinasjon av rivaliserende modelleringsstrategier.
