Évaluation statistique des modèles pronostiques versus diagnostiques : au-delà de la courbe ROC

CONTEXTE : Les modèles diagnostiques et les modèles pronostiques ou prédictifs ont des finalités différentes. Alors que les modèles diagnostiques sont généralement utilisés pour la classification, les modèles pronostiques intègrent la dimension temporelle, ajoutant un élément stochastique. CONTENU : La courbe ROC est typiquement utilisée pour évaluer l'utilité clinique des modèles diagnostiques et pronostiques. Cette courbe mesure la capacité d'un test ou d'un modèle à discriminer, c'est-à-dire à séparer les individus en deux classes, telles que malades et non malades. Un fort prédicteur de risque, comme les lipides pour les maladies cardiovasculaires, peut avoir un impact limité sur l'aire sous la courbe, appelée AUC ou statistique c, même s'il modifie les valeurs prédites. La calibration, qui mesure si les probabilités prédites correspondent aux proportions observées, est un autre élément important de la précision du modèle à évaluer. La reclassification permet de comparer directement l'impact clinique de deux modèles en déterminant combien d'individus seraient reclassés dans des strates de risque cliniquement pertinentes. Par exemple, l'ajout de la protéine C-réactive à haute sensibilité et des antécédents familiaux aux modèles de prédiction des maladies cardiovasculaires utilisant des facteurs de risque traditionnels déplace environ 30 % des individus aux niveaux de risque intermédiaires, tels que 5 %-10 % ou 10 %-20 % de risque sur 10 ans, vers des catégories de risque plus élevées ou plus basses, malgré peu de changement dans la statistique c. Une statistique de calibration peut évaluer dans quelle mesure les nouvelles valeurs prédites concordent avec celles observées dans les données recatégorisées. RÉSUMÉ : Bien qu'elle soit utile pour la classification, l'évaluation des modèles pronostiques ne devrait pas reposer uniquement sur la courbe ROC, mais doit considérer à la fois la discrimination et la calibration. La reclassification du risque peut aider à comparer l'impact clinique de deux modèles sur le risque pour l'individu ainsi que pour la population.