Cálculos - Evidencio
Cálculos de Evidencio

Queremos ser completamente transparentes sobre los cálculos subyacentes para los tipos de algoritmos estándar compatibles con Evidencio. Esta página enumera nuestros tipos de algoritmos estándar y cálculos relacionados

Algoritmos de regresión lineal

Los algoritmos de regresión lineal se utilizan para predecir resultados continuos. La predicción es estimada por:
resultado predicho `P = \beta_0 + X\beta`

Algoritmos de regresión logística:

Los algoritmos de regresión logística se utilizan para predecir probabilidades. La predicción es estimada por:
probabilidad pronosticada `P = e^(X\beta)/(1+e^(X\beta))`

Regresión de riesgos proporcionales de Cox

Los algoritmos de riesgo proporcional de Cox se usan para predecir la probabilidad `S(t)` de un evento (por ejemplo, recurrencia bioquímica) en un momento específico (por ejemplo, 5 años después de la cirugía). Para el análisis de supervivencia, la predicción se estima por: `S(t) = S_0(t)^exp(X\beta)`

Cálculos personalizados

Los usuarios pueden definir cálculos predictivos personalizados basados en fórmulas matemáticas definidas por el usuario expresadas como variables del algoritmo. Evidencio admite fórmulas personalizadas individuales y condicionales. Las fórmulas personalizadas utilizadas por un algoritmo de Evidencio siempre se pueden mostrar en el panel de detalles del algoritmo para que los usuarios del algoritmo puedan identificar con precisión la lógica del algoritmo subyacente.
Ejemplo de fórmulas condicionales:

Algoritmos R-Script

Evidencio admite el uso de código R-Script para definir la lógica de cálculo para algoritmos predictivos y calculadoras. Los algoritmos R-Script pueden contener funciones complejas y anidadas siempre que proporcionen un único resultado.

Conversiones de argumentos

En Evidencio, puede definir transformaciones de variables / parámetros para cada variable de algoritmo continuo, por ejemplo, para tener en cuenta el comportamiento no lineal. Admitimos tanto transformaciones simples como transformaciones condicionales (basadas en rango) (como splines cúbicos) para manejar un amplio rango de comportamiento no lineal.

Intervalos de confianza

En Evidencio, puede asociar datos de intervalo de confianza con sus algoritmos. Sus datos de intervalo de confianza se pueden proporcionar como un conjunto de datos de arranque o como una matriz de covarianza. Simplemente puede copiar sus datos de arranque o de matriz, por ejemplo. Excel u otra hoja de datos.

Leyenda de cálculo
`\beta_0` Término de intercepción, denotado por "Intercept".
`\beta_(varN)` Estimación del coeficiente, asociada a una covariable/variable
`\gamma` Parámetros de escala en los algoritmos de regresión de supervivencia, caracterizados por "parámetros de escala"
`X\beta` Algoritmo el predictor lineal, estimado sumando el término de intercepción y todos los valores `\beta` multiplicados por esta variable. por ejemplo: `\beta_0 + \beta_(var1) * var1 + \beta_(var2) * var2 + \beta_(varN) * varN`
`S_0(t)` La función de supervivencia de referencia es el componente de supervivencia cuando todas las covariables son iguales a cero. (`X\beta = 0`).
Evidencio v3.38 © 2015 - 2025 Evidencio. Todos los derechos reservados