Your browser doesn't support javascript.
loading
Show: 20 | 50 | 100
Results 1 - 1 de 1
Filter
Add filters








Language
Year range
1.
Rev. cuba. inform. méd ; 15(2)dic. 2023.
Article in Spanish | LILACS-Express | LILACS | ID: biblio-1536283

ABSTRACT

Al desarrollar modelos de predicción para su aplicación en la práctica clínica, los profesionales de la salud suelen categorizar las variables clínicas que son de naturaleza continua. En muchas ocasiones estos modelos constituyen la base para la confección de escalas predictivas, a partir de las cuales se estratifica a los pacientes en varias categorías atendiendo al fenómeno estudiado. En estos casos se requiere la determinación de uno o varios puntos de cortes que permitan dividir el recorrido de la variable, variables continuas o puntuaciones de una escala, en dos o más categorías. El presente trabajo tiene como objetivo la automatización de diferentes métodos para dicotomizar variables continuas en modelos de predicción clínica, donde la variable respuesta es dicotómica, y determinar el punto de corte óptimo en la estratificación de pacientes en dos categorías, a partir de escalas de predicción. Para ello se elaboró un software en el lenguaje de programación R, que implementa diferentes métodos para la determinación del punto de corte óptimo, lo cual agiliza el trabajo investigativo de los especialistas de salud en el proceso de elaboración de modelos predictivos y/o escalas de predicción.


When developing predictive models for application in clinical practice, health professionals often categorize clinical variables that are continuous in nature. In many cases, these models are the basis for the development of predictive scales from which patients are stratified into various categories according to the phenomenon under study. In both cases, it is necessary to determine one or more cut-off points that allow dividing the path of the variable, continuous variables, or scores of a scale into two or more categories. The aim of the present work is to automate different existing methods for dichotomizing continuous variables in clinical prediction models where the response variable is dichotomous, as well as to determine the optimal cut-off point for stratifying patients into two categories, based on prediction scales. For this purpose, a software was developed in the R programming language, which implements different existing methods for the determination of the optimal cut-off point, speeding up the research work of health specialists in the process of developing predictive models and/or prediction scales.

SELECTION OF CITATIONS
SEARCH DETAIL