Onderwerpen en doelstellingen:

1. De cursist kan de eigenschappen van een predictiemodel benoemen en herkennen.
2. De cursist kan de sterke en zwakke punten benoemen van de meest gebruikte methoden voor het selecteren van variabelen.
3. De cursist begrijpt de implicatie van incomplete data op het schatten van een multivariabel predictiemodel, heeft kennis van verschillende imputatiemethoden (waaronder multiple imputation en stochastic imputation) en kan deze implementeren in SPSS.
4. De cursist kan een studie om een predictiemodel te ontwikkelen starten, waarbij rekening wordt gehouden met alle belangrijke randvoorwaarden (zoals steekproefgrootte, studiedesign, meten van predictoren).
5. De cursist is in staat om predictoren en het regressiemodel zodanig aan te passen dat de predictor de meeste toegevoegde waarde heeft (bijvoorbeeld spline regressie, transformatie, categoriseren).
6. De cursist kan de methodes die gebruikt worden bij het bepalen van de kwaliteit van een predictiemodel berekenen in SPSS en interpreteren (waaronder maten voor discriminatie, zoals de ROC curve en calibratie, zoals de Hosmer en Lemeshow toets en een calibratie curve).
7. De cursist kan alternatieve methodes die leiden tot de juiste keuze van het model (zoals Akaike Information Criterion en de likelihood ratio) berekenen in SPSS, toepassen en interpreteren.
8. De cursist kan de methodes die gebruikt worden bij het bepalen van de waarde van een predictiemodel voor de praktijk analyseren en interpreteren (bijv: sensitiviteit, specificiteit, positieve en negatieve voorspellende waarden).
9. De cursist kan een predictiemodel naar een praktisch bruikbaar klinisch instrument vertalen.
10. De cursist kent de principes die een rol spelen bij interne validatie zoals aspecten als overfitting, optimisme en shrinkage.
11. De cursist kan de methodes die gebruikt worden bij het intern valideren van predictiemodellen zoals bootstrapping technieken toepassen in R en interpreteren, en het initiële predictiemodel aan de hand van de resultaten van de interne validatie aanpassen.
12. De cursist is in staat om methodes te gebruiken om het intercept en de slope van het predictiemodel te updaten voor een nieuwe setting.
13. De cursist is in staat om de toegevoegde waarde van een nieuwe voorspeller te onderzoeken met behulp van reclassificatietabellen door gebruik te maken van SPSS en R software.
14. De cursist is in staat om een predictiemodel te ontwikkelen en om de kwaliteit van het model te onderzoeken voor overlevingsdata door gebruik te maken van een Cox regressie model.
15. De cursist kan een predictiemodel ontwikkelen, de kwaliteit beoordelen en valideren (intern en extern) met behulp van SPSS software.
16. De cursist begrijpt de stappen bij het plannen en uitvoeren van een impact evaluatie.
17. De cursist is in staat een critical appraisal uit te voeren van een artikel waarin een klinische predictiemodel wordt ontwikkeld en/of gevalideerd.