How (Not) to Validate Race-Neutral Lung Function Reference Equations
Notice bibliographique
Résumé
Abstract RATIONALE: Prediction models and reference equations should be extensively validated in the target population before implementation. Lung function reference equations are designed to estimate healthy lung function using data from healthy volunteers. However, in patients with respiratory diseases, “healthy lung function” is an unobservable counterfactual, presenting a validation challenge: how to assess validity of lung function reference equations without a definitive ground truth label? Several studies have attempted to assess the construct validity of reference equations by measuring their discriminative accuracy for clinical outcomes such as mortality. However, when reference equations exclude some variables due to fairness considerations (e.g., race), their association with outcomes might remain spuriously strong due to the confounding effect of such variables. As such, prediction accuracy per se might become a misleading indicator of validity. METHODS: We analyzed data from the National Health and Nutrition Examination Survey (NHANES) III and NHANES 2007-2012, with mortality follow-up through December 31, 2019. We included participants with a history of smoking, diagnosis of a respiratory condition, or respiratory symptoms. We used area-under-the-curve (AUC) to compare discriminative accuracy in predicting multiple clinical outcomes using FEV1 Z-scores from three alternative reference equations: race-averaged GLI-Global, race-specific GLI-2012, and a naïve equation that assigned the same predicted FEV1 to all individuals. Evaluated clinical outcomes included 10-, 20-, and 30-year all-cause mortality, medical visits for wheezing, overnight hospital admissions within the past year, and concurrent respiratory symptoms. RESULTS: FEV1 Z-scores from race-averaged GLI-Global were non-inferior to those from race-specific GLI-2012 in predicting clinical outcomes (Table 1). Similar results in the literature have been used to argue that race-averaged GLI-Global performs as well as GLI-2012 even after removing race as an explicit predictor. However, FEV1 Z-scores based on the clearly flawed naïve reference equation showed significantly better accuracy in predicting death and comparable accuracy for healthcare utilization and symptoms among respiratory patients in NHANES, compared to GLI-2012 and GLI-Global (Table 1). Based on statistical assessment of prediction accuracy, one should advocate for using the naïve equation, which is clearly flawed. CONCLUSIONS: Using prediction accuracy for clinical outcomes as a proxy for validating lung function reference equations can be misleading. We urge a careful reassessment of the evaluation methods for lung-function reference equations that objectively reconcile fairness criteria and prediction accuracy. Table 1 Discriminative Accuracy of Reference-Adjusted FEV1 Z-scores for Predicting Clinical Outcomes in Participants with or at Risk of Respiratory Diseases
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,325 | 0,616 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».