Una perspectiva práctica sobre el índice de concordancia para la evaluación y selección de modelos pronósticos de tiempo hasta el evento

El desarrollo de un modelo pronóstico para aplicaciones biomédicas generalmente requiere mapear el conjunto de covariables de un individuo para medir el riesgo de que pueda experimentar el evento que se va a predecir. Sin embargo, muchos escenarios, especialmente aquellos que involucran resultados patológicos adversos, se describen mejor al contabilizar explícitamente el momento de estos eventos, así como su probabilidad. Como resultado, en estos casos, las métricas de clasificación o clasificación tradicionales pueden ser inadecuadas para informar la evaluación o selección del modelo. Para abordar esta limitación, es una práctica común replantear el problema en el contexto del análisis de supervivencia y recurrir, en su lugar, al índice de concordancia (índice C), que resume lo bien que una puntuación de riesgo pronosticada describe una secuencia de eventos observada. Sin embargo, una interpretación práctica y significativa del índice C puede presentar varias dificultades y escollos. Específicamente, identificamos dos cuestiones principales: i) el índice C sigue dependiendo implícita y sutilmente del tiempo, y ii) su relación con el número de sujetos cuyo riesgo se predijo incorrectamente no es sencilla. La no consideración de estos dos aspectos puede introducir sesgos indeseables e indeseados en el proceso de evaluación, e incluso dar lugar a la selección de un modelo subóptimo. Por lo tanto, aquí discutimos formas de obtener una interpretación significativa a pesar de estas dificultades. Con el objetivo de ayudar a los experimentadores, independientemente de su familiaridad con el índice C, partimos de una presentación de nivel introductorio de su estimador más popular, destacando la dependencia temporal de este último y sugiriendo cómo podría usarse correctamente para informar la selección del modelo. También abordamos la no linealidad del índice C con respecto al número de predicciones de riesgo correctas, elaborando un marco simplificado que pueda permitir una interpretación y cuantificación más fáciles de las mejoras o deterioros del índice C.