Publicaciones - FIDMAG, Fundación para la investigación

USO DE COOKIES
Utilizamos cookies necesarias de sistema para el correcto funcionamiento de la web y cookies opcionales de Google Analytics para obtener estadísticas de visita. +info

Configuración cookies

Necesarias

Las cookies necesarias son absolutamente esenciales para que el sitio web funcione correctamente. Esta categoría sólo incluye galletas que garantizan funcionalidades básicas y funciones de seguridad del sitio web. Estas cookies no almacenan información personal.

Nombre	Proveedor	Propiedad	Finalidad	Caducidad
_GRECAPTCHA	google.com	Propia	proveer protección antispam con el servicio el servicio reCaptcha	6 meses
cc_cookie_accept	fidmag.org	Propia	Usada per confirmar que l'usuari ha confirmat / refusat les cookies (i quins tipus accepta)	1 any
WEB_SESSION	fidmag.org	Propia	Cookie técnica: cookie de sessió PHP. Guarda l'id de sessió d'usuari.	al acabar la sessió

Análisis

Les cookies analítiques s'utilitzen per entendre com interactuen els visitantes amb el lloc web. Aquestes cookies ajuden a proporcionar informació sobre mètriques, el nombre de visitants, el percentatge de rebots, la font del trànsit, etc.

Nombre	Proveedor	Propiedad	Finalidad	Caducidad
_ga	Google Analytics	De terceros	Cookie d'anàlisi o mesurament: Identifica els usuaris i proporciona informació sobre com els usuaris troben la pàgina web i com la utilitzen per a realització d'Informes estadístics	2 anys
_gat_gtag_UA_141706552_1	Google Analytics	De terceros	Cookie d'anàlisi o mesurament: Tracking per part de google per google analytics	1 minut
_gid	Google Analytics	De terceros	Cookie d'anàlisi o mesurament: S'usa per limitar el percentatge de sol·licituds	24 hores

Configurar Rechazar todas Aceptar

Inicio
> Investigación

Volver a los resultados

FI
2.424

34098248

2021 Psychiatry Research-Neuroimaging

Biased accuracy in multisite machine-learning studies due to incomplete removal of the effects of the site.

Solanes A, Palau P, Fortea L, Salvador R, González-Navarro L, Llach CD, Valentí M, Vieta E, Radua J

Servicio limitado a colaboradores de la res de centros de Hermanas Hospitalarias. Recibireis un mensaje en vuestro correo electrònico con un enlace para la descarga del presente artículo.

Abstract

Brain MRI researchers conducting multisite studies, such as within the ENIGMA Consortium, are very aware of the importance of controlling the effects of the site (EoS) in the statistical analysis. Conversely, authors of the novel machine-learning MRI studies may remove the EoS when training the machine-learning models but not control them when estimating the models' accuracy, potentially leading to severely biased estimates. We show examples from a toy simulation study and real MRI data in which we remove the EoS from both the "training set" and the "test set" during the training and application of the model. However, the accuracy is still inflated (or occasionally shrunk) unless we further control the EoS during the estimation of the accuracy. We also provide several methods for controlling the EoS during the estimation of the accuracy, and a simple R package ("multisite.accuracy") that smoothly does this task for several accuracy estimates (e.g., sensitivity/specificity, area under the curve, correlation, hazard ratio, etc.).

Formamos parte de

Enlaces directos

Contacto CEI

Intranet FIDMAG

Participa en la investigación

Suscríbete al newsletter

Contactanos