שאלה | מדען נתונים רפואיים בונה מודל לחיזוי סיכון למחלת לב וכלי דם (CVD). לאחר הטמעת המודל, הוא מגלה כי יש לו ביצועים גרועים במיוחד בתת-קבוצה ספציפית של נשים ממוצא קווקזי, בגילאי 50-59, מרקע סוציו-אקונומי נמוך ועם היסטוריה של הגירה. איזה צעד מהבאים יהיה היעיל ביותר לשיפור הכיול (calibration) של המודל בתת-קבוצה זו?

מדען נתונים רפואיים בונה מודל לחיזוי סיכון למחלת לב וכלי דם (CVD). לאחר הטמעת המודל, הוא מגלה כי יש לו ביצועים גרועים במיוחד בתת-קבוצה ספציפית של נשים ממוצא קווקזי, בגילאי 50-59, מרקע סוציו-אקונומי נמוך ועם היסטוריה של הגירה. איזה צעד מהבאים יהיה היעיל ביותר לשיפור הכיול (calibration) של המודל בתת-קבוצה זו?

		איסוף נתונים נוספים רק עבור תת-קבוצה זו, תוך התמקדות במאפיינים הייחודיים לה.
		שימוש במדדים של דיוק (accuracy) בלבד כדי להעריך את ביצועי המודל בתת-קבוצה זו.
		התעלמות מהכיול בתת-קבוצה זו, מכיוון שהיא מהווה רק חלק קטן מהאוכלוסייה הכוללת.
		יישום אלגוריתם רב-כיול (multi-calibration) לאחר עיבוד הנתונים (post-processing).

מיין לפי