Объединение калибровочных участков после многократного вменения

Я хотел бы получить совет по объединению калибровочных графиков / статистики после многократного вменения. В условиях разработки статистических моделей для прогнозирования будущего события (например, с использованием данных из больничных записей для прогнозирования выживаемости или событий после выписки из больницы) можно предположить, что существует некоторая или много недостающей информации. Множественное вменение - способ справиться с такой ситуацией, но приводит к необходимости объединения статистики испытаний из каждого набора данных вменения с учетом дополнительной изменчивости из-за присущей неопределенности вменения.

Я понимаю, что есть статистика множественной калибровки (hosmer-lemeshow, Emax Харрелла, оценочный индекс калибровки и т. Д.), К которой могут применяться «обычные» правила объединения Рубина.

Тем не менее, эти статистические данные часто являются общими показателями калибровки, которые не показывают конкретные неправильно калиброванные области модели. По этой причине я бы лучше посмотрел калибровочный график. К сожалению, я не знаю, как «объединить» графики или данные за ними (прогнозируемые вероятности для каждого человека и наблюдаемый результат для каждого человека), и не могу найти много в биомедицинской литературе (область, с которой я знаком), или здесь, на CrossValidated. Конечно, рассмотрение графика калибровки каждого набора данных импутации может быть ответом, но может стать довольно утомительным (представить), когда создается множество наборов импутаций.

Поэтому я хотел бы спросить, существуют ли методы, которые привели бы к калибровочному графику, объединенному после многократного вменения (?)

[...] если ваш n равен 1000, и у вас есть 5 наборов данных MI, почему бы не создать единый калибровочный график из 5000 и сравнить наблюдаемое / ожидаемое любым желаемым образом с этими 5000?

По поводу ссылок:

Никаких ссылок, мы недавно опубликовали статью, в которой мы без каких-либо доказательств заявили, что мы получили вывод о стандартных ошибках начальной загрузки и множественном вменении, объединив их таким образом. Я думаю, что вы можете утверждать, что целью анализа является тестирование на уровне 0,05, что отношение ожиданий / наблюдений или разница находятся в пределах нормального диапазона распределения, и что квантильные оценки не зависят от размера выборки, поэтому тестирование основано на 95% -ном ДИ не зависит от объединения.