NRI/IDI 重分类改善

所属分类：医学统计模型

这个方法是做什么的

它评价的不是一个模型，而是两个模型之间的差：在同一批受试者上，新模型相对旧模型带来了多少增量。IDI（综合判别改善）是两个模型“判别斜率”之差，判别斜率 = 事件组的平均预测概率 − 非事件组的平均预测概率；连续 NRI（净重分类改善）则统计有多少事件者的预测风险被调高、多少非事件者被调低，两者相加。这两个数离开“旧模型”就没有意义，单独一个模型不适用本方法。

报告把增量放进“判别 + 校准 + 重分类”的完整框架里对照：第二张卡给 IDI、连续 NRI 及其分事件组/非事件组的分量，置信区间与 p 值由 1000 次固定种子的 bootstrap 给出；第四张卡再补上分类 NRI（按旧模型概率的三分位切风险层）、DeLong 检验的 ΔAUC，以及两个模型的 Brier 分数。第一张卡的校准诊断是这份报告特有的着眼点：示例旧模型校准斜率 0.6042、Hosmer-Lemeshow p=0.002 已提示校准不良，新模型分别是 0.9035 与 0.456——IDI 直接吃概率的绝对水平，两个模型校准差这么多时，必须把这一行读进去。

需要准备什么数据

• 放入[二分类]结局变量：不限
• 放入[定量]旧模型预测概率：不限
• 放入[定量]新模型预测概率：不限

数据要求

• 数据表至少 20 行。
• 单列缺失率不超过 20%。
• 不接受取值全都一样的列（零方差列没有可分析的变异）。
• 「放入[二分类]结局变量」必须正好是 2 个类别。
• 「放入[二分类]结局变量」的每一组至少 10 个样本。

以上条目由系统从该方法的校验规则直接生成，与上传数据时的实际拦截规则一致。

什么时候用它

• 在已有风险评分之上再加一个新生物标志物，评估它值不值得加
• 比较院内旧版预测模型与新版模型的增量价值
• 论文里除了 ΔAUC，审稿人还要求补报 NRI 与 IDI
• 想知道改善究竟来自“把高危者识别出来”还是“把低危者放心排除”——分事件组与非事件组的两个分量正是回答这个

三列必须来自同一批受试者、逐行一一对应：任一列缺失即整行剔除。两列都必须是取值落在 0~1 的预测概率，不是原始评分（超出区间端点直接拒绝）。结局恰好两类，事件与非事件各至少 10 例。第一张卡还会给出两列概率的相关系数（示例 Pearson r=0.698）——两个模型高度相关时 bootstrap 区间会明显收窄，此时“统计显著”离“临床上值得换模型”还很远。

什么时候不要用它

• 手上只有一个模型或一个评分：没有比较对象，增量指标无从谈起，用「ROC曲线分析」评价它自身的判别力。
• 两列是原始评分、风险分或线性预测值，不是 0~1 的概率：端点会拒绝。先用「逻辑回归」把自变量拟合成预测概率，再把两个模型的概率列拿到这里。
• 你想问的是“模型说的 30% 是不是真的 30%”：那是校准而不是重分类，用「校准曲线」。
• 你想问的是“按这个模型决策，临床上净赚多少”：NRI/IDI 不含代价权衡，用「决策曲线分析(DCA)」。
• 两个模型的预测来自两批不同的人：配对前提不成立，重分类无从定义；只能各自单独评价，用「ROC曲线分析」。
• 结局是“多久发生”并且存在删失：用「Cox比例风险回归」。

容易误读的地方

• 连续 NRI 只看概率变动的方向、完全不看幅度，把所有人的概率整体抬高一点点就能把事件组分量顶到 +1.0。 实测构造“新模型 = 旧模型 + 0.02”：两个模型的判别斜率都是 0.1877、IDI=0.0000、ΔAUC=0.0000，判别力一分没涨；可 NRI-事件组 = 1.0000、NRI-非事件组 = −1.0000，因为每个人的概率都“上调”了。合计恰好为 0 纯粹是两个分量精确抵消。只摘“事件组 NRI 高达 1.0”写进结论，是这个指标最容易被滥用的方式——同一次实测里 Brier 反而从 0.2241 变差成 0.2258。
• 分类 NRI 的风险层切点是数据驱动的，谁被放在“旧模型”那个区决定了整套切点。 表注写明切点取旧模型预测概率的三分位数（示例 0.3661 与 0.6944）。实测把新旧两列对调：IDI 与连续 NRI 精确变号（0.0828 → −0.0828），而分类 NRI 从 +0.1991 变成 −0.1791，切点也换成了 0.3486 / 0.6779——它并不是简单取负。研究领域若已有公认的临床风险分层阈值，应改用那套阈值重算，并在方法学部分交代切点来源。
• NRI、IDI、ΔAUC 三个数结论不一致是常态，不是算错。 它们问的是不同的事：NRI 只看方向，IDI 依赖概率的绝对尺度，ΔAUC 只看排序。示例三者同向（IDI=0.0828、连续 NRI=0.3450、ΔAUC=0.0831）算是幸运情形。冲突时应由研究问题决定主指标，其余作为敏感性分析一并报告，而不是挑一个显著的报。
• p 值不会小于 0.0020，那是 bootstrap 的分辨率下限而不是真实的 p。 表注写明双侧 bootstrap ASL 的下限约为 2/(B+1)=0.0020（B=1000 次）。看到 0.0020 只能理解成“1000 次重抽样里没有出现更极端的情形”，写成“p<0.001”是不成立的。
• 增量指标不能替代“这个模型能不能用”的判断。 两个都很差的模型之间照样可以有显著的 IDI。而且本模块把两列概率当作外生已知量，bootstrap 没有在每个重抽样样本里重新拟合模型——如果概率来自同一批数据的拟合结果，所有增量都会偏乐观，结论须在独立队列里复核。方法学文献也一再指出，原模型校准良好时，纯噪声变量也可能得到正的 NRI。

报告里有什么

1. 输出结果一：数据概览与前提检验
2. 输出结果二：NRI/IDI 指标（主结果表）
3. 输出结果三：重分类与判别可视化
4. 输出结果四：效应量与事后分析
5. 输出结果五：结论与解读