NRI / IDI Prediction Model Improvement Assessment
When adding a new marker to an existing model raises the AUC only slightly and fails to show the incremental value, the Net Reclassification Improvement (NRI) and Integrated Discrimination Improvement (IDI) quantify "how much the new model improves prediction of events/non-events versus the old model". Requires each subject's predicted probability under both models. Calcul local dans le navigateur ; aucune donnée n'est envoyée.
① Saisie
One subject per row: outcome (1/0), old-model predicted probability, new-model predicted probability (both 0–1). The two probabilities usually come from two logistic regressions (old model, and the new model with the added marker).
Mode d'emploi et méthodologie
Quelle est la différence entre NRI et IDI ?
L'IDI mesure l'amélioration globale de la séparation des probabilités prédites (pente de discrimination) entre le nouveau et l'ancien modèle — métrique continue et globale ; le NRI mesure si la reclassification va dans le bon sens — événements remontés et non-événements descendus comptent comme amélioration. Les deux sont complémentaires et souvent rapportés ensemble.
NRI continu ou catégoriel ?
S'il existe des seuils de stratification du risque cliniquement acceptés (p. ex. bas/moyen/élevé), le NRI catégoriel est plus pertinent ; sans seuils clairs, utilisez le NRI continu (tout changement directionnel compte). Notez que le NRI continu tend à être grand et ne doit pas être comparé directement entre études.
D'où viennent les deux probabilités prédites ?
En général en ajustant deux modèles logistiques sur les mêmes données : l'ancien (variables de base) et le nouveau (base + nouveau marqueur), chacun donnant la probabilité prédite de chaque sujet. Vous pouvez les obtenir séparément avec l'outil Logistic du site.
Pourquoi regarder NRI/IDI lorsque l'AUC change à peine ?
L'AUC est souvent peu sensible à la petite amélioration d'un nouveau marqueur (gains minuscules, difficiles à rendre significatifs). NRI/IDI capturent mieux le gain de reclassification et de discrimination apporté par le nouveau marqueur, et sont des métriques complémentaires courantes pour sa valeur incrémentale.
Collez le lien dans Slack, Teams, X ou LinkedIn — l’aperçu utilise la carte Open Graph de cette page.