A framework for quantifying net benefits of alternative prognostic models
- Rapsomaniki E.
- White I. R.
- Wood A. M.
- Thompson S. G.
- Tipping R. W.
- Ford C. E.
- Simpson L. M.
- Folsom A. R.
- Chambless L. E.
- Panagiotakos D. B.
- Pitsavos C.
- Chrysohoou C.
- Stefanadis C.
- Knuiman M.
- Whincup P. H.
- Wannamethee S. G.
- Morris R. W.
- Kiechl S.
- Willeit J.
- Oberhollenzer F.
- Mayr A.
- Wald N.
- Lawlor D. A.
- Yarnell J. W.
- Gallacher J.
- Casiglia E.
- Tikhonoff V.
- Nietert P. J.
- Sutherland S. E.
- Bachman D. L.
- Keil J. E.
- Cushman M.
- Tracy R.
- Tybjaerg-Hansen A.
- Nordestgaard B. G.
- Frikke-Schmidt R.
- Giampaoli S.
- Palmieri L.
- Panico S.
- Vanuzzo D.
- Pilotto L.
- Gomez de la Camara A.
- Gomez Gerique J. A.
- Simons L.
- McCallum J.
- Friedlander Y.
- Lee A. J.
- Taylor J.
- Guralnik J. M.
- Wallace R.
- Guralnik J. M.
- Blazer D. G.
- Guralnik J. M.
- Guralnik J. M.
- Khaw K. -T.
- Schottker B.
- Muller H.
- Rothenbacher D.
- Jansson J. -H.
- Wennberg P.
- Nissinen A.
- Donfrancesco C.
- Salomaa V.
- Harald K.
- Jousilahti P.
- Vartiainen E.
- Woodward M.
- D'Agostino Sr R. B.
- Wolf P. A.
- Vasan R. S.
- Pencina M. J.
- Bladbjerg E. -M.
- Jorgensen T.
- Moller L.
- Jespersen J.
- Dankner R.
- Chetrit A.
- Lubin F.
- Rosengren A.
- Lappas G.
- Eriksson H.
- Bjorkelund C.
- Lissner L.
- Bengtsson C.
- Nagel D.
- Kiyohara Y.
- Arima H.
- Doi Y.
- Ninomiya T.
- Rodriguez B.
- Dekker J. M.
- Nijpels G.
- Stehouwer C. D. A.
- Iso H.
- Kitamura A.
- Yamagishi K.
- Noda H.
- Goldbourt U.
- Kauhanen J.
- Salonen J. T.
- Cooper J. A.
- Verschuren W. M. M.
- Blokstra A.
- Cushman M.
- Folsom A. R.
- Shea S.
- Doring A.
- Meisinger C.
- Verschuren W. M. M.
- Blokstra A.
- Bueno-de-Mesquita H. B.
- Rosengren A.
- Lappas G.
- Kuller L. H.
- Grandits G.
- Gillum R. F.
- Mussolino M.
- Cooper J. A.
- Bauer K. A.
- Kirkland S.
- Shaffer J.
- Korin M. R.
- Kitamura A.
- Iso H.
- Sato S.
- Amouyel P.
- Arveiler D.
- Evans A.
- Ferrieres J.
- Schulte H.
- Assmann G.
- Westendorp R. G.
- Buckley B. M.
- Packard C. J.
- Sattar N.
- Cantin B.
- Despres J. -P.
- Dagenais G. R.
- Barrett-Connor E.
- Wingard D. L.
- Bettencourt R.
- Gudnason V.
- Aspelund T.
- Sigurdsson G.
- Thorsson B.
- Witteman J.
- Kardys I.
- Tiemeier H.
- Hofman A.
- Tunstall-Pedoe H.
- Tavendale R.
- Lowe G. D. O.
- Woodward M.
- Howard B. V.
- Zhang Y.
- Best L.
- Umans J.
- Ben-Shlomo Y.
- Davey-Smith G.
- Njolstad I.
- Wilsgaard T.
- Ingelsson E.
- Lind L.
- Giedraitis V.
- Lannfelt L.
- Gaziano J. M.
- Stampfer M.
- Ridker P.
- Gaziano J. M.
- Ridker P.
- Wassertheil-Smoller S.
- Manson J. E.
- Marmot M.
- Clarke R.
- Fletcher A.
- Brunner E.
- Shipley M.
- Ridker P.
- Buring J.
- Shepherd J.
- Cobbe S. M.
- Ford I.
- Robertson M.
- Marin Ibanez A.
- Feskens E. J. M.
- Kromhout D.
DOIAbstract
New prognostic models are traditionally evaluated using measures of discrimination and risk reclassification, but these do not take full account of the clinical and health economic context. We propose a framework for comparing prognostic models by quantifying the public health impact (net benefit) of the treatment decisions they support, assuming a set of predetermined clinical treatment guidelines. The change in net benefit is more clinically interpretable than changes in traditional measures and can be used in full health economic evaluations of prognostic models used for screening and allocating risk reduction interventions. We extend previous work in this area by quantifying net benefits in life years, thus linking prognostic performanc...
Add to ORKG