模型校准
模型应始终尽可能准确地反映疾病进展和治疗效果。这是一项挑战,因为模型中的疾病进展源自您的患者路径以及若干相互独立的模型输入。
校准(calibration)实质上是检验模型输出与预期临床结果的吻合程度,通过迭代过程调整输入并再次检验。通过校准找到的输入值会生成更贴近临床数据的结果,从而使模型更准确。
在运行校准之前,您必须完成以下工作。
使用合适的优化算法和容差水平设置校准。
确定要调整的模型输入。
把临床目标数据添加到模型中。
确定要与目标数据匹配的模型输出。
随后,校准过程会迭代调整模型输入值,使模型输出与您的目标数据相匹配。
以 Healthcare 示例模型 MarkovCalibration_1a_Fixed_PreCal.trex 为例。在校准之前,模型的生存(即模型输出)与临床生存表(即目标数据)并不匹配,如下方马尔可夫图(Markov Plot)所示。(红色和蓝色线条为模型的生存/输出)。

校准之后,模型生存(模型输出)与临床生存表(目标数据)的匹配程度大幅提高。

以下各节将带您走完整个校准流程。