Seltene Ereignisse genauer vorhersagen

Logistische Regression ist eine der in der medizinischen Forschung am häufigsten verwendeten statistischen Methoden zur Schätzung prognostischer Modelle, die den Zusammenhang zwischen einem binären Zielparameter (mit Kategorien Ereignis und kein Ereignis) und mehreren binären, kategoriellen oder kontinuierlichen erklärenden Variablen herstellen. Eine niedrige Prävalenz von Ereignissen, wie sie oft in klinischen oder epidemiologischen Studien, aber auch in empirischen Fragestellungen anderer Gebiete, vorkommt, führt zu Unterschätzung und Instabilität der Schätzer für die Ereigniswahrscheinlichkeit bei Subjekten mit Ereignis. Das liegt daran, dass die Analyse unverhältnismäßig stark von den Subjekten ohne Ereignis beeinflusst wird. Nähert sich die Anzahl der erklärenden Variablen an die Anzahl der Ereignisse an oder übersteigt diese, wird dieser Effekt sogar noch verstärkt. Für Analysen hochdimensionaler Variablenräume haben Pönalisierte-Likelihood-Methoden (PLM) an Bedeutung gewonnen. Diese reduzieren den mittleren quadratischen Vorhersagefehler indem sie die Schätzer für die Regressionskoeffizienten Richtung Null verzerren. Dennoch bleibt durch PLM das Problem der ungenauen Vorhersagen für Subjekte mit hoher Ereigniswahrscheinlichkeit bestehen. Das Hauptziel dieses Projektes ist es daher, PLM zu entwickeln, die sich besonders für die Analyse hochdimensionaler Variablenräume mit niedriger Ereignis-Prävalenz eignen. Dazu müssen neue Ansätze für die Schätzung der Regressionskoeffizienten, für die Wahl des involvierten Tuningkriteriums und für die abschließende Validierung der Modelle gefunden werden. Auf der Ebene der Modellschätzung sollen Gewichtungsmethoden, die die Anzahl der Ereignisse künstlich erhöhen, und vor allem verschiedene Typen von Likelihood-Pönalisierungen, etwa Kombinationen bekannter Pönalisierungen (Firth und LASSO oder Firth und ridge) oder Verallgemeinerungen der Firth-Pönalisierungen, untersucht werden. Weiters wird erwartet, dass die derzeit am häufigsten verwendeten Tuning-Kriterien zur Regulierung der Stärke der Pönalisierung, wie zum Beispiel Optimierung der kreuzvalidierten Devianz oder des Klassifizierungsfehlers, nicht für die Analyse seltener Ereignissen geeignet sind. Tuning-Kriterien, die Beobachtungen mit Ereignis stärker gewichten, sind eine vielversprechende Möglichkeit um akkuratere Schätzer für die Ereigniswahrscheinlichkeit zu erhalten. Auf ähnliche Weise sollen Maßzahlen für die Vorhersagegenauigkeit zur Modellvalidierung adaptiert werden, sodass sie größeren Wert auf die Vorhersagegenauigkeit bei Subjekten mit Ereignis legen. Die entwickelten Methoden sollen anhand von Beispielstudien und in umfassenden Simulationsstudien auf ihre Effizienz und praktische Anwendbarkeit hin untersucht werden. Ihre Implementierung in Softwarepakete wird den routinemäßigen Einsatz bei der Analyse hochdimensionaler Variablenräume mit niedriger Ereignis-Prävalenz ermöglichen, wie sie zum Beispiel häufig in epidemiologischen oder klinischen Fragestellungen vorkommen.

In diesem Projekt wurden neue statistische Verfahren zur Prognose seltener Ereignisse aufgrund von zum Prognosezeitpunkt verfügbarer Deskriptoren entwickelt. Diese Verfahren wurden im Hinblick auf ihre statistischen Eigenschaften untersucht und mit existierenden Methoden verglichen um Empfehlungen treffen zu können, wie effiziente statistische Analysen mit möglichst päzisen Vorhersagen erreicht werden kann. Der wesentlichste Beitrag des Projekts ist die Weiterentwicklung der logistischen Regressionsanalyse zu diesem Zweck. Mit den im Rahmen dieses Projektes entwickelten Verfahren FLIC und FLAC öffnen sich neue Wege zur präzisen Vorhersage von Wahrscheinlichkeiten seltener Ereignisse wie etwa Medikamentennebenwirkungen. Um die neuen Verfahren auch der internationalen Forschung zur Verfügung zu stellen, wurden entsprechende Computerprogramme entwickelt, die frei zugänglich sind.