Affirmo log score

Metodo

E’ stata valutata la relazione tra età e incidenza cumulativa ad 1 anno di ospedalizzazione e il rapporto che questa aveva con il numero di farmaci.

Warning: Removed 15 rows containing missing values (`geom_point()`).

Warning: Removed 1 row containing missing values (`geom_line()`).

Il database è stato quindi splittato in modo random in un sottogruppo di derivazione e uno di validazione (1:1). In quello di derivazione, è stata valutata l’AUC della probabilità predetta da un modello (“modello base”) di regressione logistica contenente come predittori l’età, il numero di farmaci e l’interazione tra questi (1-y hosp ~ age + n.drugs + age:n.drugs). E’ stato testato l’effetto sulla AUC dell’aggiunta al modello di tutte le malattie croniche disponibili, del sesso, dell’educazione, dello stato civile e dell’income (1-y hosp ~ age + n.drugs + age:n.drugs + NUOVA_VARIABILE). E’ stato inoltre testato l’effetto sull’AUC di un’interazione aggiuntiva nel modello base per le variabili già elencate ((1-y hosp ~ age + n.drugs + age:n.drugs:NUOVA_VARIABILE)). Tutti i test sono stati svolti esclusivamente sul sottogruppo di derivazione ed utilizzando 20-fold cross-validation per il calcolo delle AUC. Sulla base di questi test sono state aggiunte al modello finale: scompenso cardiaco, anemia, BPCO e IRC. L’aggiunta di queste varabili ha dimostrato un cauto miglioramento dell’AUC nel sottogruppo di derivazione. L’aggiunta di ulteriori variabili non modificava l’AUC.

  modello       auc
1    base 0.6166217
2     age 0.5854024
3 n.drugs 0.5826857
4  finale 0.6525606

In considerazione del possibile effetto della terapia anticoagulante sul rischio di ospedalizzazione, il modello finale è stato fittato - nel sottogruppo di derivazione - in tre sottocampioni distinti: pazienti in VKA, pazienti in DOAC, pazienti senza terapia anticoagulante. I coefficienti mostrati sono stati calcolati come la media ottenutata nella 20-fold cross-validation.

                                        DOAC         VKA    No AntiC.
(Intercept)                     -5.742187111 -5.72122150 -4.761846341
age                              0.055962559  0.05463262  0.046072163
numberdrugs                      0.528568910  0.27504787  0.557537659
DEF_Heart_failure                0.385489033  0.51010450  0.437064864
DEF_Anemia                       0.286178305  0.38349891  0.385466258
DEF_COPD_emphy_chron_bronchitis  0.469890380  0.54252382  0.457817921
DEF_Chronic_kidney_dis           0.329681391  0.37072990  0.531919588
age:numberdrugs                 -0.005733401 -0.00268835 -0.006195826

I coefficienti mostrati sono stati quindi applicati alla parte di dataframe di validazione, ottenendo un’ottima calibrazione e una discreta capacità discriminativa.

     subset       auc
1   Globale 0.6525535
2      DOAC 0.6463873
3       VKA 0.6589982
4 no AntiC. 0.6526568

Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
ℹ Please use `linewidth` instead.