Herramientas de investigación › Prediction Model Sample Size (Riley)

Minimum Sample Size for Clinical Prediction Models (Binary)

⚗️ Frontier method: Based on the Riley et al. (2019) prediction-model sample-size criteria — relatively recent and parameter-sensitive. This tool implements the three criteria for a binary outcome; before formal submission, cross-check with the official R package pmsampsize and confirm the source of your R²cs value.

Developing a clinical prediction model (diagnostic/prognostic risk model) requires enough sample to control overfitting. This tool returns the minimum sample size for a binary outcome by Riley's three criteria: ① global shrinkage S=0.9; ② difference between apparent and adjusted Nagelkerke R² ≤0.05; ③ precision of the overall mean risk estimate ±0.05 — taking the largest of the three. Computed locally in your browser; data are not uploaded.

① Introducir parámetros

Number of candidate predictor parameters P all coefficients to be estimated, including dummies, splines, interactions
Outcome prevalence / incidence
Expected Cox-Snell R² (adjusted) from a previous model/pilot; if only the C-statistic is available it must be converted first

Cómo usarla y metodología

¿Por qué no usar simplemente «10 eventos por variable (EPV=10)»?

EPV=10 es una regla empírica que ignora el rendimiento esperado del modelo y la interacción entre el número de predictores y la proporción del resultado. Riley 2019 propuso criterios de tamaño muestral basados en shrinkage, optimismo y precisión de la estimación del riesgo: mejor justificados, recomendados por TRIPOD y a menudo exigidos por revisores.

¿De dónde viene R²cs?

Idealmente del R² de Cox-Snell reportado por un modelo de predicción similar previo, o de un ajuste sobre datos piloto. Si solo se dispone de un C-statistic (AUC) esperado, conviértelo a R²cs con el método Riley (2020)/pmsampsize: la conversión es aproximada, así que hacerlo directamente en pmsampsize es recomendable.

¿Qué parámetros debe contar P?

P es el número total de parámetros de predictores a estimar: una variable continua cuenta como 1 (o según el número de términos de spline si se splinea), una categórica de k niveles cuenta como k−1 dummies, y cada interacción cuenta como 1. No cuentes solo el número de variables.

¿Por qué tomar el máximo de los tres criterios?

Los tres criterios aseguran respectivamente un shrinkage de sobreajuste pequeño, un rendimiento aparente vs ajustado cercano, y una estimación del riesgo global suficientemente precisa. Si alguno no se cumple, la muestra es insuficiente: el mínimo es el mayor de los tres tamaños requeridos.