Erweiterungen der Berechnung der Nettonachklassifizierungsverbesserung zur Messung der Nützlichkeit neuer Biomarker

Die angemessene Quantifizierung des zusätzlichen Nutzens neuer Marker, die in Risikovorhersagealgorithmen einbezogen werden, ist ein Thema intensiver Forschung und Diskussion. Standardmethoden, einschließlich statistischer Signifikanz und c-Statistik, sind nützlich, aber nicht ausreichend. Die Nettonachklassifizierungsverbesserung (NRI) bietet eine einfache und intuitive Möglichkeit, die Verbesserung durch neue Marker zu quantifizieren, und gewinnt unter Forschern zunehmend an Beliebtheit. Allerdings wurden mehrere Aspekte der NRI bisher nicht ausreichend untersucht. In diesem Artikel schlagen wir eine prospektive Formulierung der NRI vor, die eine unmittelbare Anwendung auf Überlebens- und konkurrierende Risiko-Daten ermöglicht und zudem eine einfache Gewichtung mit beobachteten oder wahrgenommenen Kosten erlaubt. Wir behandeln die Frage nach Anzahl und Auswahl der Kategorien und deren Einfluss auf die NRI. Wir vergleichen kategorial basierte NRI mit einer kategorienfreien Variante und kommen zu dem Schluss, dass NRIs nicht über Studien hinweg vergleichbar sind, sofern sie nicht auf die gleiche Weise definiert sind. Wir diskutieren die Auswirkungen unterschiedlicher Ereignisraten, wenn Modelle auf verschiedene Stichproben angewandt werden oder Definitionen von Ereignissen und Nachbeobachtungszeiträumen zwischen Studien variieren. Außerdem zeigen wir, wie NRI auf Fall-Kontroll-Daten angewendet werden kann. Die im Artikel vorgestellten Konzepte werden anhand eines Beispiels der Framingham Heart Study illustriert. Zusammenfassend lässt sich sagen, dass die NRI problemlos für Überlebens-, konkurrierende Risiko- sowie Fall-Kontroll-Daten berechnet werden kann, objektiver und vergleichbarer über Studien hinweg ist, wenn die kategorienfreie Variante verwendet wird, und relative Klassifikationskosten einschließen kann. Wir empfehlen Forschern, bei der Anwendung der NRI ihre Entscheidungen klar zu definieren und zu begründen.