การรวมพล็อตการสอบเทียบหลังจากการใส่หลายครั้ง

ฉันต้องการคำแนะนำในการรวมพล็อตการแปลง / สถิติหลังจากการใส่ร้ายหลายครั้ง ในการตั้งค่าการพัฒนาแบบจำลองทางสถิติเพื่อทำนายเหตุการณ์ในอนาคต (เช่นการใช้ข้อมูลจากบันทึกของโรงพยาบาลเพื่อทำนายการรอดชีวิตของผู้ป่วยหลังออกจากโรงพยาบาลหรือเหตุการณ์) เราสามารถจินตนาการได้ว่ามีข้อมูลที่ขาดหายไปมากมาย การใส่ข้อมูลหลายครั้งเป็นวิธีหนึ่งในการจัดการสถานการณ์ดังกล่าว แต่ส่งผลให้จำเป็นต้องรวมสถิติการทดสอบจากชุดข้อมูลการใส่ข้อมูลแต่ละชุดโดยคำนึงถึงความแปรปรวนเพิ่มเติมเนื่องจากความไม่แน่นอนของการใส่ความ

ฉันเข้าใจว่ามีสถิติการสอบเทียบหลายอย่าง (hosmer-lemeshow, Emax ของ Harrell, ดัชนีการสอบเทียบโดยประมาณ ฯลฯ ) ซึ่งอาจใช้กฎรูบิน 'ปกติ' สำหรับการรวมกำไร

อย่างไรก็ตามสถิติเหล่านี้มักจะเป็นมาตรการโดยรวมของการสอบเทียบซึ่งไม่แสดงขอบเขตที่พลาดการสอบเทียบที่เฉพาะเจาะจงของโมเดล ด้วยเหตุนี้ฉันควรดูที่แผนการปรับเทียบ น่าเสียดายที่ฉันไม่รู้วิธีการ 'รวม' แปลงหรือข้อมูลเบื้องหลัง (คาดการณ์ความน่าจะเป็นต่อบุคคลและผลลัพธ์ที่สังเกตได้ต่อบุคคล) และไม่สามารถหาได้มากในวรรณคดีชีวการแพทย์ (สาขาที่ฉันคุ้นเคย) หรือที่นี่ใน CrossValidated แน่นอนว่าการดูชุดข้อมูลการสอบเทียบของชุดข้อมูลแต่ละชุดอาจเป็นคำตอบ แต่อาจกลายเป็นเรื่องที่น่ารำคาญมาก (จนถึงปัจจุบัน) เมื่อสร้างชุดการใส่จำนวนมาก

ฉันอยากถามว่ามีเทคนิคใดบ้างที่จะส่งผลให้เกิดแผนการปรับเทียบหรือไม่หลังจากรวมหลายครั้ง (?)

[... ] ถ้า n ของคุณคือ 1,000 และคุณมีชุดข้อมูล 5 MI ทำไมไม่สร้างพล็อตการสอบเทียบครั้งเดียวจาก 5,000 และเปรียบเทียบข้อสังเกต / คาดหวังในสิ่งที่ต้องการใน 5,000 รายการ

เกี่ยวกับการอ้างอิง:

ไม่มีการอ้างอิงเราได้ตีพิมพ์บทความเมื่อไม่นานมานี้โดยไม่มีข้อพิสูจน์ว่าเราได้รับการอนุมานจากข้อผิดพลาดมาตรฐาน bootstrap และการใส่ร้ายหลาย ๆ ครั้งโดยการรวมเข้าด้วยกันในลักษณะนี้ ฉันคิดว่าคุณสามารถระบุได้ว่าจุดประสงค์ของการวิเคราะห์คือการทดสอบที่ระดับ 0.05 ที่อัตราส่วนความคาดหวัง / การสังเกตหรือความแตกต่างอยู่ในช่วงการแจกแจงแบบปกติและการประมาณเชิงปริมาณนั้นไม่แปรเปลี่ยนกับขนาดตัวอย่างดังนั้นการทดสอบบนพื้นฐาน 95% CI ไม่ได้รับผลกระทบจากการรวมกำไร