【R语言】净重新分类指数NRI及其R语言实现

背景： 如今，已经提出了各种措施来捕获诊断测试中的歧视，但是接收器工作特性（ROC）曲线（AUC）下的面积仍然是最受欢迎的度量标准。 研究人员通常会评估新的生物标志物增加 AUC 的能力。 但是，很快变得很明显，对于包含标准风险因素并具有相当好的区分度的模型，需要新标记与结果的非常大的“独立”关联才能产生有意义的更大的AUC。 彭西纳等。 al，提出了一种名为“Net Reclassification Improvement”的评估改进的新方法。 NRI 侧重于为有和没有事件的参与者分别构建的重新分类表，并量化类别中的正确移动——事件向上，非事件向下。 描述： 考虑一种情况，其中使用共享所有风险因素的两个模型来估计给定感兴趣事件的预测概率，但一个新标记除外。 让我们将基于这两个模型的预测概率分类为一组具有临床意义的绝对风险有序类别，然后对这两个分类进行交叉制表。 将向上运动（向上）定义