Prediksjonsmodeller
Formålet med en prediktiv studie kan for eksempel være å lage en prediksjonsmodell som kan brukes til å estimere sannsynligheten for hjerneslag innen 10 år for en person med visse karakteristika (kjønn, alder, blodtrykk, m.m.). I en prediksjonsmodell inkluderer man de variablene som samlet sett gir en god prediksjon, basert på data. Man gjør ingen kausal fortolkning av effekten av de inkluderte variablene (2).
En praktisk anvendelig prediksjonsmodell bør kun inkludere variabler som er enkle å måle i det kliniske arbeidet. En variabel som baseres på observasjoner gjort av klinikere, bør i tillegg ha høyt intra- og interobservatørsamsvar. Variabelen bør være sterkt assosiert med det som skal predikeres, men bør ikke inkluderes kun basert på p-verdi. Størrelsen av estimatet er heller ikke alltid det viktigste. For eksempel vil en binær variabel med oddsratio på 2,0 være mer relevant enn en (også binær) variabel med oddsratio på 2,5, dersom den første variabelen har en prevalens på 50 % og den andre en prevalens på 1 % (3). Nyttige retningslinjer for slike kliniske prediksjonsmodeller er beskrevet av Collins og medarbeidere (3).
Prediksjonsmodeller bør valideres. Dette kan for eksempel gjøres ved å dele opp det aktuelle datasettet i et treningssett (som man bruker til å bygge modellen) og et testsett, eller ved å bruke tilfeldige utvalg fra datasettet, som ved bootstrapping (4). I tillegg er det ønskelig å teste modellen på et eksternt datasett.