1.5　綜合判別改善指數

NRI主要用于在設定好的切點水平下判斷和比較新舊模型的預測能力是否有所提高，在實際臨床中容易計算，易于理解。但NRI的不足在于只考慮了某專業(yè)切點處的改善情況，卻不能考慮模型的整體改善情況。于是一個綜合判定改善情況的指標IDI應運而生，IDI（Integrated Discrimination Improvement，綜合判別改善指數）。

IDI的計算公式為：

IDI=(Pnew,events–Pold,events) – (Pnew,non-events–Pold,non–events)

其中，Pnew,events-Pold,events是指患者組中，新模型預測概率的均值–舊模型預測概率的均值，表示預測概率提高的變化量。對于患者而言，預測概率越高，模型越準確，因此，該差值越大，提示新模型越好。

Pnew,non-events-Pold,non-events是指非患者組，新模型預測概率的均值–舊模型預測概率的均值。對于非患者，預測概率越低，模型越準確，因此，差值越小則新模型越好。兩部分相減，則可得IDI。

圖1-18中，分組代表受試對象的真實情況，PRE_1和PRE_2代表舊模型和新模型的預測概率，PRE_1_1和PRE_2_1代表舊模型和新模型在0.5切點下的分類，“0”代表未發(fā)病，“1”代表發(fā)病。利用分組分別PRE_1_1和PRE_2_1構建交叉表，就可以估算NRI，利用分組、PRE_1_1和PRE_2_1，就可以計算IDI。本章為理論，實戰(zhàn)見后面章節(jié)。

圖1-18　NRI和IDI資料格式

IDI也可以通過Z統計量來檢驗，以判斷IDI與0相比是否具有統計學顯著性，統計量Z近似服從正態(tài)分布，公式如下：

其中SEevents為Pnew,events-Pold,events的標準誤，首先在患者組，計算新、舊模型對每個個體的預測概率，求得概率的差值，再計算差值的標準誤。同理，SEnon-events為Pnew,non-events-Pold,non-events的標準誤，是在非患者組，計算新、舊模型對每個個體的預測概率，求得概率的差值，再計算差值的標準誤即可。