عندما تغيّر المعالجة المسبقة النموذج الفائز: حساسية ترتيب نماذج التنبؤ الطبي لأساليب معالجة البيانات المفقودة

الملخص

تُعد البيانات المفقودة شائعة في دراسات التنبؤ السريري، وقد يؤثر أسلوب التعامل معها في الأداء التنبؤي وفي تحديد النموذج الذي يُعد الأفضل. هدفت هذه الدراسة إلى تقييم استقرار اختيار المصنف عند تغيير معالجة البيانات المفقودة ضمن شروط تقييم مضبوطة ومقترنة. باستخدام بيانات SUPPORT2 التي تضم 9,105 مرضى، جرى تقييم الانحدار اللوجستي والغابة العشوائية وXGBoost مع ثلاث استراتيجيات للتعويض: الوسيط، وأقرب الجيران، والتعويض التكراري. احتفظ التحليل بالفقد الطبيعي، وأضاف مستويات متداخلة من الفقد العشوائي الكامل MCAR بنسبة 5% و10% و20% و30%، إلى جانب حالة مستقلة من الفقد العشوائي MAR بنسبة 20%. واستُخدم تحقق متقاطع طبقي مكرر بخمسة طيات وخمسة تكرارات، مع تثبيت تقسيمات المرضى، وبذور النماذج، وأقنعة الفقد الاصطناعي في المقارنات المناظرة. قيس استقرار الترتيب من خلال تغير النموذج الفائز، وانعكاسات الترتيب المقترنة، والاتفاق بين ROC AUC ومتوسط الدقة ودرجة Brier. ظل النموذج الفائز مستقرًا في البيانات الطبيعية وعند المستويات المنخفضة من الفقد الإضافي، لكنه أصبح معتمدًا على طريقة التعويض عند ارتفاع الفقد. تغير النموذج الفائز في 6 من 12 مقارنة بين طرق التعويض وفي 9 من 15 مقارنة بين حالات الفقد، وظهرت انعكاسات زوجية في الترتيب في نحو 44% من المقارنات المتطابقة عبر التكرارات. كما اختارت المقاييس الثلاثة النموذج نفسه في 8 من 18 حالة. ونظرًا إلى صغر فروق ROC AUC بين النماذج الفائزة، تشير النتائج إلى حساسية اختيار النموذج أكثر من تفوق كبير في الأداء. وقد يوفر الإبلاغ عن استقرار الترتيب إلى جانب مقاييس الأداء التقليدية أساسًا أكثر حذرًا للمقارنة بين نماذج التنبؤ السريري.