Optimal ROC Curves from Score Variable Threshold Tests
受试者工作特性(ROC)是二元假设检验中检测概率和虚警概率之间的折衷的公认表示。在许多实际情况下,ROC是通过对测量的得分变量进行阈值化来生成的-应用得分变量阈值测试(SVT)。在许多情况下,得到的曲线不同于似然比检验(LRT)ROC,因此不是Neyman-Pearson最优的。虽然这是很好地理解,ROC是奈曼-皮尔逊最优的必要条件,本文建立,它也是一个充分条件的情况下,使用SVT的生成的ROC。它进一步定义了一个建设性的程序,通过该程序可以从非凹SVT ROC生成LRT ROC,而不需要明确的知识的评分变量的条件PDF。如果已知条件PDF,则该过程隐含地提供了重新设计测试的方法,使得其等效于LRT。
2020-12-15 eess.SP math.ST stat.ME
Transformation models for ROC analysis
受试者工作特征(ROC)分析是评价和比较医学诊断试验准确性的最常用方法之一。尽管已经开发了各种方法来估计ROC曲线及其相关的汇总指数,但在处理与医学数据相关的复杂性的同时,还没有就可以提供一致的统计推断的单一框架达成共识。这种复杂性可能包括影响测试诊断潜力的协变量、有序测试数据、由于仪器检测限或相关生物标志物而导致的删失数据。我们提出了一个回归模型的转换后的测试结果,利用单调变换的ROC曲线的不变性,自然地容纳这些功能。我们使用的极大似然推断保证渐近有效性的估计和相关的置信区间。模拟研究表明,基于转换模型的估计是无偏的,并在名义水平上的产量覆盖。该方法被应用到代谢综合征的横断面研究,我们调查的协变量特定性能的体重身高比作为一种非侵入性的诊断测试。本文中描述的所有方法的软件实现都在“tram”R包中提供。
2022-08-13 stat.ME
Asymptotic properties of the sequential empirical ROC, PPV and NPV curves under case-control sampling
受试者工作特征(ROC)曲线、阳性预测值(PPV)曲线和阴性预测值(NPV)曲线是连续诊断生物标志物的三种性能度量。ROC、PPV和NPV曲线通常根据经验估计,以避免对生物标志物的分布形式的假设。最近,有一个推动将组序贯方法纳入诊断生物标志物研究的设计。对序贯经验ROC、PPV和NPV曲线的渐近性质的透彻理解将在设计组序贯诊断生物标志物研究时提供更大的灵活性。本文利用序贯经验过程理论,导出了病例对照抽样下序贯经验ROC、PPV和NPV曲线的渐近理论。我们表明,连续的经验ROC,PPV和NPV曲线收敛到独立的Kiefer过程的总和,并显示这些结果可以用来推导渐近结果的总结连续的经验ROC,PPV和NPV曲线。
2012-03-14 math.ST stat.TH
Properties of the Nonparametric Maximum Likelihood {ROC} Model with a Monotonic Likelihood Ratio
我们期望在感知信号检测实验中的一些观察者,如放射科医生,会做出理性的决定,因此这些观察者的评级有望形成凸ROC曲线。然而,测量和发布的曲线通常不是凸的。本文考察了Lloyd(2002)给出的ROC曲线的凸约束非参数极大似然估计。像Lloyd一样,我们使用池相邻Violator算法(PAVA)来构造凸曲线的估计。我们提出了一个直接的证明,这个估计是一个凸包的经验ROC曲线。该估计是简单的手工构造,并遵循Pesce等人的建议。(2010年)。在大量的实验条件下,我们研究了这种约束非参数极大似然估计(NPMLE)的性质。特别是,我们研究的行为下的曲线,这是经常被用来作为诊断性能的总结度量的面积。这种受约束的ROC估计量给出的曲线下面积(AUC)估计值相对于通常的经验AUC估计值偏高,但相对于潜在的连续真实AUC值可能偏差较小。约束ROC估计比通常的经验估计具有更低的方差。与以前的作者谁使用复杂的自举来估计方差的约束NPMLE,我们证明了标准的无偏估计量的方差工作以及估计方差的NPMLE AUC。
2013-01-31 stat.AP
Simultaneous inference for partial areas under receiver operating curves -- with a view towards efficiency
我们提出了新的同时推理方法的诊断试验与精心设计的析因设计。我们感兴趣的参数不是通常使用的受试者工作特征(ROC)曲线下总面积,而是代表临床相关生物标志物截止值的ROC曲线下部分面积。我们构造了一个非参数的多重对比测试,这些参数,并表明它渐近控制的家庭明智的第一类差错率。在一系列计算机实验中研究了该检验的有限样本性质。我们提供的经验和理论证据支持的猜想,统计推断的ROC曲线下的部分面积比推断的总面积更有效。
2023-02-21 math.ST stat.TH
Small-study effects on the hierarchical summary ROC curve: latent accuracy and threshold trends in meta-analysis of diagnostic test accuracy
Graduate School of Informatics, Osaka Metropolitan University(大阪公立大学情报学府);German Research Center for Artificial Intelligence GmbH (DFKI)(德国人工智能研究中心有限公司);Department of Biostatistics, Nagoya University Graduate School of Medicine(名古屋大学医学研究科生物统计学科);Department of Clinical Biostatistics, School of Public Health, Graduate School of Medicine, Kyoto University(京都大学医学研究科公共卫生学院临床生物统计学科)
本研究针对诊断试验准确性Meta分析,提出一种基于HSROC模型的似然比检验,用于区分小样本效应中的潜在准确性趋势与阈值趋势,模拟显示其功效优于Deeks检验,并在结直肠癌综述中成功检测被掩盖的潜在准确性趋势。
2026-10-20 stat.AP stat.ME
Receiver Operating Characteristic (ROC) Curves
受试者工作特征(ROC)曲线被广泛用于评估协变量、标记或特征作为二元问题中的潜在预测因子。我们区分原始ROC诊断和ROC曲线,阐明ROC曲线的解释和建模的特殊作用,并建立ROC曲线和累积分布函数(CDF)之间的等价性。这些结果支持ROC曲线的统计建模中的范式的微妙转变,我们将其视为曲线拟合。我们介绍了灵活的两个参数的贝塔家庭拟合CDF的经验ROC曲线,推导出大样本分布的最小距离估计,并提供软件在R估计和测试,包括渐近和蒙特卡罗为基础的推理。在一系列的经验例子中,β族及其三参数和四参数分支允许直边比经典的副正态模型拟合得更好,特别是在拟合曲线是凹的重要约束下。
2018-09-13 stat.ME
Proper likelihood ratio based ROC curves for general binary classification problems
每个人都写道,ROC曲线,一个在二进制分类问题中非常常见的工具,应该是最优的,特别是凹的,非递减的,并且在45度线以上。每个人都使用ROC曲线,理论上的,尤其是经验上的,但事实并非如此。这项工作是试图纠正这种精神分裂症的行为。最优性源于Neyman-Pearson引理,该引理规定使用基于似然比的ROC曲线。从那里开始,我们给出了基于似然比的分类过程的最一般的定义,它包括有限的,连续的,甚至更复杂的数据类型。我们指出了一个严格的关系与一般概念的浓度的两个概率测度。我们给出了一些非单调和非连续的似然比的情况下,非平凡的例子。最后,我们提出了一个似然比为基础的高斯核灵活贝叶斯分类器的ROC曲线作为一个适当的默认替代通常的经验ROC曲线。
2019-07-31 stat.ME
On the definition of a concentration function relevant to the ROC curve
这是一位读者对E. Schechtman和G. Schechtman(Metron,2019)关于诊断(即监督分类)问题的浓度函数的正确定义。我们提出和激励不同的定义,并参考相关文献。
2020-01-03 stat.ME
ROCKET: Robust Confidence Intervals via Kendall's Tau for Transelliptical Graphical Models
无向图模型广泛用于生物和社会科学中,以编码变量之间的条件独立模式,其中两个节点$a$和$b$之间不存在边指示在控制所有其他测量变量之后,相对应的两个变量$X_a$和$X_b$被认为是条件独立的。在高斯情况下,条件独立性对应于精度矩阵$Ω$(协方差阵$Σ$的逆)中的零项。真实数据往往表现出严重的尾部变量之间的依赖性,这不能被常用的高斯或非paranormal(高斯copula)图形模型捕捉。在本文中,我们研究了transelliptical模型,椭圆copula模型,广义高斯和nonparanormal模型的分布更广泛的家庭。我们提出了火箭方法,它构造了一个估计的$Ω_{ab}$,我们证明是渐近正常的温和的假设下。从经验上讲,ROCKET在实现对模拟数据的准确推断方面优于非超自然模型和高斯模型。我们还比较了这三种方法的实际数据(每日股票收益率),并发现火箭估计是唯一的方法,其行为在子样本同意的分布理论预测。
2017-09-01 cs.LG math.ST stat.TH
A test for comparing conditional ROC curves with multidimensional covariates
受试者工作特征(ROC)曲线的比较在文献中经常用于比较基于诊断变量的不同分类程序的区分能力。这些变量的表现有时会受到其他协变量的影响,因此在进行比较时应将其考虑在内。本文提出了一种新的非参数检验方法,用于检验两条或多条以多维协变量值为条件的相依ROC曲线的相等性。投影用于将问题转化为更容易处理的一维方法。仿真实验研究了新方法的实际性能。一个真实的数据集与胸腔积液的患者进行了分析,以说明这一过程。
2021-02-08 stat.ME
A robust approach for ROC curves with covariates
受试者工作特征(ROC)曲线是一种有用的工具,用于测量连续变量的辨别能力或药物或医学测试的准确性,以区分两种条件或类别。在某些情况下,医生可能能够测量与诊断变量相关的一些协变量,这可以增加ROC曲线的区分能力。为了防止非典型数据的存在,观察,程序来获得稳健估计的ROC曲线存在协变量。所考虑的建议集中在一个半参数的方法,适合的位置规模回归模型的诊断变量,并考虑回归残差分布的经验估计。稳健参数估计与自适应加权经验分布估计相结合,以降低离群值的影响。在较弱的假设下,证明了该方案的一致相合性.一个蒙特卡罗研究进行了比较的鲁棒估计与经典的,在清洁和污染的样本的性能。一个真实的数据集进行了分析。
2022-07-23 stat.ME
Bayesian nonparametric inference for the covariate-adjusted ROC curve
疾病的准确诊断在临床实践和医学研究中至关重要。在医学诊断试验常规用于实践之前,必须通过统计分析严格评估其区分疾病和非疾病状态的能力。受试者工作特征(ROC)曲线是评价连续结果诊断试验区分能力的最常用工具。已经认识到有几个因素(例如,受试者特异性特征,如年龄和/或性别)可以影响测试的准确性,而不仅仅是疾病状态。最近,协变量调整的ROC曲线已被提出并成功地应用为考虑协变量信息的诊断准确性的全局汇总度量。我们鼓励使用协变量调整的ROC曲线,并开发了一个高度稳健的B-样条依赖Dirichlet过程混合模型和贝叶斯自助模型的基础上相结合的模型。多个模拟研究表明,我们的模型能够成功地恢复真正的协变量调整ROC曲线,并在各种复杂的情况下产生有效的推断。我们的方法的动机和应用于内分泌研究,其主要目标是评估身体质量指数的准确性,根据年龄和性别进行调整,用于预测心血管疾病风险因素的集群。的R-包AROC,实现我们提出的方法,提供。
2018-05-30 stat.ME
Confidence intervals for the area under the receiver operating characteristic curve in the presence of ignorable missing data
受试者工作特征(ROC)曲线被广泛用作诊断测试准确性的衡量标准,并且可以使用ROC曲线下面积(AUC)进行总结。通常,构建AUC的置信区间是有用的,然而,由于存在许多不同的建议方法来测量AUC的方差,因此存在许多不同的用于构建这些区间的结果方法。在这篇文章中,我们比较了不同的方法来构建Wald型置信区间存在缺失数据的缺失机制是可解释的。我们发现,构建置信区间使用多重插补(MI)的基础上逻辑斯谛回归(LR)给出了最强大的覆盖概率和CI方法的选择是不太重要的。然而,当缺失率不太严重(例如小于70%)时,我们建议使用Newcombe Wald方法构建置信区间,并使用预测均值匹配(PMM)进行多重插补。
2018-04-16 stat.AP
Estimators for covariate-adjusted ROC curves with missing biomarkers values
在本文中,我们提出了三个估计的ROC曲线时,丢失的观察生物标志物之间出现。其中两个过程假设我们有协变量,允许估计的倾向和估计量获得使用逆概率加权方法或它的平滑版本。另一个假设协变量相关的生物标志物通过回归模型,使我们能够构建基于卷积的分布和分位数函数的估计。在温和的条件下获得一致性结果。通过数值研究,我们评估有限样本性能的不同建议。一个真实的数据集进行了分析。
2022-01-17 stat.ME
A placement-value based approach to concave ROC analysis
本文提出一种基于放置值的贝叶斯方法,在参数化和半参数化框架下确保ROC曲线凹性,并通过模拟和胰腺癌数据验证其有效性。
2024-06-30 stat.ME
An Interval-Score ROC Curve for Assessment, Calibration and Ensembling of Probabilistic Forecasts
University of Pavia(帕维亚大学)
该研究针对概率预测评估的多目标特性,提出IS-ROC曲线框架,结合几何方法实现预测校准与集成,为预测比较等提供了实用方案。
2026-07-31 stat.ME
Robust and flexible inference for the covariate-specific ROC curve
诊断测试在医疗保健和医学研究中至关重要。出于非典型和离群的测试结果可能对诊断测试的区分能力的评估的影响,我们开发了一个灵活和强大的模型进行推断的协变量特定的受试者工作特征(ROC)曲线,保障对离群的测试结果,同时也适应可能的非线性效应的协变量。具体来说,我们假设一个位置尺度的加性回归模型的测试结果在患病和非患病人群,结合加性三次B样条和M-估计的回归函数,而残差估计通过加权经验分布函数。模拟研究的结果表明,我们的方法成功地恢复了真正的协变量特定的ROC曲线和相应的曲线下面积的各种可能的测试结果污染的情况下。我们的方法被应用到一个数据集来自前列腺癌的研究,我们试图评估前列腺健康指数的能力,区分男性和没有格里森7或以上的前列腺癌,以及如果和如何这种歧视能力随年龄的变化。
2020-07-27 stat.ME
Model-based ROC (mROC) curve: examining the effect of case-mix and model calibration on the ROC plot
风险预测模型的性能通常以区分和校准为特征。受试者工作特征(ROC)曲线被广泛用于评估模型区分度。当评估风险预测模型在新样本中的性能时,ROC曲线的形状受到病例组合和假设模型的影响。此外,与辨别力相比,评价校准没有得到同等程度的关注。常用的模型校准方法涉及平滑或分组的主观规范。利用熟悉的ROC框架,我们引入了基于模型的ROC(mROC)曲线来评估新样本中预先指定的模型的校准。mROC曲线是在样本中校准预先指定的模型时应观察到的ROC曲线。我们表明,如果模型在该样本中进行校准,则样本的经验ROC和mROC曲线渐近收敛。因此,mROC曲线可用于直观评估病例组合和模型误校准的影响。此外,我们提出了一种新的统计测试校准,不需要任何平滑或分组。模拟支持测试的充分性。一项案例研究将这些发展置于实际背景下。我们的结论是,mROC可以很容易地构建和使用的情况下,组合和模型校准的ROC图的效果进行评估,从而增加了ROC曲线分析的效用在风险预测模型的评估。提供了用于所提出的方法的R代码(https://github.com/msadatsafavi/mROC/)。
2021-07-12 stat.AP stat.ME
A new test for assessing the covariate effect in ROC curves
Universidad de Oviedo(奥维耶多大学);Universidade de Vigo(维戈大学);Universidade de Santiago de Compostela(圣地亚哥-德孔波斯特拉大学)
本文针对ROC曲线性能受协变量影响的问题,提出比较协变量调整与合并ROC曲线的新检验,以判断能否排除协变量并说明其对后续分析的影响。
2024-11-26 stat.AP stat.ME
A Multiclass ROC Curve
University of Pavia(帕维亚大学);L3S Research Center(L3S研究中心);Leibniz Institute on Aging(莱布尼茨衰老研究所);Fritz Lipmann Institute (FLI)(弗里茨·利普曼研究所)
本文提出一种基于多维基尼指数构建多类别ROC曲线的新方法,通过两个案例验证,为不平衡数据集提供理论化的性能评估方案。
2025-10-17 stat.ME stat.ML
Receiver operating characteristic (ROC) movies, universal ROC (UROC) curves, and coefficient of predictive ability (CPA)
Heidelberg Institute for Theoretical Studies (HITS)(海德堡理论研究所);Karlsruhe Institute of Technology (KIT)(卡尔斯鲁厄理工学院)
在整个科学和技术中,受试者工作特征(ROC)曲线和相关的曲线下面积(AUC)测量构成了评估二元分类问题中特征、标记和测试的预测能力的强大工具。尽管ROC分析非常受欢迎,但它受到一个基本限制,即它仅适用于二分(是或否)结果。在这里,我们介绍了ROC电影和通用ROC(UROC)曲线,适用于任何线性排序的结果,以及相关的预测能力系数(CPA)测量。CPA等于UROC曲线下的面积,并承认在概率和基于秩的协方差方面有吸引力的解释。对于二元结果,CPA等于AUC,对于成对不同的结果,CPA与斯皮尔曼系数线性相关,就像C指数与肯德尔系数线性相关一样。ROC电影、UROC曲线和CPA嵌套并概括了经典ROC分析的工具,并且在大量的应用中必然会取代它们。它们的使用在生物医学和气象学的数据示例中得到了说明,其中基于秩的度量在WeatherBench比较卷积神经网络和物理数值模型的预测性能中产生了新的见解。
2021-06-24 cs.LG stat.ME stat.ML
Likelihood-based Nonparametric Receiver Operating Characteristic Curve Analysis in the Presence of Imperfect Reference Standard
针对诊断研究中不完美参考标准导致ROC曲线分析偏差的问题,提出非参数密度比模型下基于似然的新方法,通过期望最大化算法实现可靠估计,模拟显示其估计误差更小且已应用于疟疾研究。
2025-02-12 stat.ME
ROCnReg: An R Package for Receiver Operating Characteristic Curve Inference with and without Covariate Information
受试者工作特征(ROC)曲线是最常用的工具,用于评估在区分两种替代疾病状态(例如,患病和未患病)时在连续标度上测量的诊断测试/生物标志物的区分能力。在某些情况下,测试的性能和它的区分能力可能会有所不同,根据受试者的具体特点或不同的测试设置。在这种情况下,需要特定于信息的准确性测量,例如协变量特定和协变量调整的ROC曲线,因为忽略协变量信息可能会导致偏倚或错误的结果。本文介绍了R软件包ROCnReg,它允许通过不同的方法,从(半)参数和非参数的角度以及贝叶斯和频率主义范式估计合并(未调整)ROC曲线,协变量特定ROC曲线和协变量调整的ROC曲线。从估计的ROC曲线(合并的、协变量特异性的或协变量调整的),可以获得几个准确性的汇总测量,例如ROC曲线下的(部分)面积和Youden指数。该软件包还提供了使用几个标准(即,约登指数标准和为假阳性分数设置目标值的标准)来获得基于ROC的最佳阈值的功能。对于贝叶斯方法,我们提供了通过后验预测检查评估模型拟合的工具,而模型选择可以通过几个信息标准进行。为所有方法提供数值和图形输出。该软件包是通过内分泌研究的数据分析,其目的是评估身体质量指数的能力,以检测是否存在心血管疾病的风险因素。该软件包可在https://CRAN.R-project.org/package=ROCnReg上从CRAN获得。
2021-03-19 stat.AP stat.CO stat.ME
Impact of methodological assumptions and covariates on the cutoff estimation in ROC analysis
本研究通过模拟和ADNI数据集,探讨了ROC曲线估计方法与协变量对生物标志物最佳截断值估计的影响,提出了基于协变量的定制化框架以确定特定截断值。
2024-04-20 stat.ME
Empirical Likelihood Based Summary ROC Curve for Meta-Analysis of Diagnostic Studies
目的:本研究提供了一种有效的模型选择方法的基础上的经验似然方法构建总结受试者工作特征(sROC)曲线的诊断研究的荟萃分析。研究方法:我们考虑了来自家族指数和特定变换对的组合的模型,其涵盖了用于敏感性和特异性的双变量汇总的几种广泛使用的方法。最后,采用经验似然法对模型进行了选择。根据不同数量的研究和疾病和非疾病病例的不同总体分布进行模拟情景。我们的建议和其他模型选择标准的性能进行了比较。结果如下:虽然参数似然方法由于其渐近性质而经常被应用于实践中,但在研究数量有限的情况下,它们无法一致地选择合适的模型进行总结。对于这些情况,我们提出的方法几乎总是表现得更好。结论:当研究数量少至10或5时,我们建议通过建议的经验似然方法选择汇总模型。
2018-03-11 stat.ME
Spatial Aggregation of ROC and Precision-Recall Curves
ETH Zurich(苏黎世联邦理工学院);University of Geneva(日内瓦大学);Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院)
本研究探讨ROC和PR曲线在空间预报中的不同聚合策略对判别能力评估的影响,提出满足优势保持与凹性保持的两种新策略,并通过AI全球天气预报实例展示聚合策略可改变预报排名,为曲线聚合解释提供实用指南。
2026-09-18 physics.ao-ph stat.ME
Decision Making with Machine Learning and ROC Curves
Beihang University(北京航空航天大学);Stanford University(斯坦福大学);Tsinghua University(清华大学)
受试者工作特征(ROC)曲线是在二进制分类问题中发现的统计信息的表示,是机器学习和数据科学中的关键概念。本文研究了ROC曲线的统计特性及其在模型选择中的意义。我们分析了激励异质性和信息不对称的不同模型对人的决策和ROC曲线之间的关系的影响。我们的理论讨论是在中国卫生部提供的河南省育龄夫妇孕前检查的妊娠结局和医生诊断的大数据集的背景下说明的。
2019-05-05 cs.AI econ.GN q-fin.EC
ROC Analysis for Paired Comparison Data
成对比较模型用于分析涉及一组对象之间的成对比较的数据。当两两比较的结果没有关系时,两两比较模型可以推广为一类二元反应模型。受试者工作特征(ROC)曲线及其相应的曲线下面积通常用作性能指标来评估二元响应模型的区分能力。尽管它们各自广泛的使用范围和它们与二进制响应模型的密切联系,但据我们所知,ROC分析从未扩展到配对比较模型,因为在配对比较模型中使用不同对象作为参考的问题阻止了传统ROC方法生成明确和可解释的曲线。我们专注于解决这个问题,提出了两种新的方法来构建ROC曲线的配对比较数据,提供可解释的统计数据,并保持所需的渐近性质。然后将该方法应用于头对头的专业体育比赛数据进行分析。
2022-11-28 stat.AP stat.ME
Threshold-free Evaluation of Medical Tests for Classification and Prediction: Average Precision versus Area Under the ROC Curve
在评估用于疾病分类的医学测试或生物标志物时,受试者工作特征(ROC)曲线下面积是一种广泛使用的性能指标,不需要我们承诺特定的决策阈值。对于同一类型的评估,一个不同的度量称为平均精度(AP)在信息检索文献中使用得更广泛。我们研究这两个指标在一定程度上,以阐明他们的区别和关系。更具体地说,我们从数学上解释了为什么AP可能更合适,如果ROC曲线的早期部分是感兴趣的。我们还解决了实际问题,推导出的AP的渐近方差的表达式,以及提供现实世界的例子,关于评估前列腺癌的蛋白质生物标志物和评估数字与电影乳腺X射线摄影乳腺癌筛查。
2013-10-18 stat.AP stat.ME
The VOROS: Lifting ROC curves to 3D
Tufts University(塔夫茨大学)
针对ROC曲线下面积在类别不平衡或误分类成本高度失衡时失效的问题,提出将ROC曲线提升至三维,构建新ROC曲面及其体积VOROS,以自然捕捉成本,并支持仅知范围时的建模。
2024-12-18 cs.LG math.MG math.ST
An overview of methods for receiver operating characteristic analysis, with an application to SARS-CoV-2 vaccine-induced humoral responses in solid organ transplant recipients
本文概述了ROC曲线估计的参数化与半参数化框架,通过模拟展示偏差-方差权衡,并以实体器官移植受者与健康对照的SARS-CoV-2疫苗反应数据为例提供R代码实现指导。
2024-07-31 stat.ME
ROC curve analysis for functional markers
本文针对 Hilbert 空间中的功能数据,提出通过最大化投影指标曲线下面积构建 ROC 曲线以区分总体,并建议协方差算子不同时使用二次判别规则,证明了相合性。
2025-01-31 stat.AP stat.ME
Nonparametric ROC Summary Statistics for Correlated Diagnostic Marker Data
我们提出了有效的非参数统计比较医学成像模式在多读者多测试数据和比较标记物在纵向ROC数据。所提出的方法是基于加权ROC曲线下面积,其中包括曲线下面积和曲线下部分面积作为特殊情况。所述方法最大化用于检测成像模态之间的差异的局部功率。所提出的方法的渐进结果是在复相关结构下得出的。我们的模拟研究表明,建议的统计结果比现有的统计更好的权力。我们将建议的统计量应用于子宫内膜异位症诊断研究。
2012-06-08 stat.AP stat.ME
Nonparametric Methodology for the Time-Dependent Partial Area under the ROC Curve
为了评估连续诊断结果的分类准确性,在应用中通常使用受试者工作特征(ROC)曲线。ROC曲线下部分面积(pAUC)由于其通用性和易于概率解释,是广泛接受的汇总指标之一。在生命科学领域,pAUC直接延伸到事件发生时间设置中可用于测量生物标志物随时间推移用于疾病检测的有用性。在不使用梯形规则的情况下,我们提出了时间依赖性pAUC的非参数估计,这些估计很容易计算,并且具有封闭形式的表达式。建立了估计量的渐近高斯过程,给出了构造置信区间所必需的方差-协方差函数的估计。有限样本性能的建议的推理程序进行了研究,通过一系列的模拟。我们的方法进一步应用于评估分类能力的CD 4细胞计数对患者的生存时间在艾滋病临床试验组(ACTG)175研究。此外,可以将推论推广到比较既往接受过抗逆转录病毒治疗的患者和未接受过抗逆转录病毒治疗的患者之间的时间依赖性pAUC。
2011-03-10 stat.AP stat.ME
Resilience family of receiver operating characteristic curves
提出了一种新的基于弹性族或比例反向风险族的ROC曲线半参数模型,它是现有模型的一种替代。得到的ROC曲线及其汇总指标(如曲线下面积(AUC)和Youden指数)具有简单的分析形式。采用部分似然法估计ROC曲线。此外,ROC曲线的弹性家族的估计方法已经开发的基础上AUC估计,利用Mann-Whitney统计和Rojo方法。已经进行了模拟研究,以评估所有考虑估计的性能。从美国国家健康和营养调查(NHANES)的真实数据进行了详细分析,建议的模型和通常的副正态模型在文献中流行的基础上。还分析了脑损伤相关生物标志物背景下的真实数据,以将我们的模型与Lehmann家族的ROC曲线进行比较。最后,我们表明,所提出的模型可能是适用于在错误的情况下,通过杜舍姆肌营养不良症的数据。
2022-03-24 math.ST stat.ME stat.TH
Penalised spline estimation of covariate-specific time-dependent ROC curves
School of Mathematics, University of Edinburgh(爱丁堡大学数学学院)
本文提出基于惩罚样条的协变量特异性时间依赖ROC曲线估计方法,以处理患者异质性、非比例风险和非线性效应,并通过模拟、急性冠脉综合征数据应用及R包CondTimeROC验证其有效性。
2025-10-21 stat.CO stat.ME
Multi-Panel Kendall Plot in Light of an ROC Curve Analysis Applied to Measuring Dependence
肯德尔图($\K$ -图)是测量二元随机变量的分量之间的依赖性的图。$\K$ -图绘制Kendall分布函数与$VU$分布函数的关系,其中$V$和$U$是独立的均匀$[0,1]$随机变量.我们将$\K$图与受试者工作特征($\ROC$)曲线相关联,$\ROC$曲线是生物统计学中公认的图形工具,用于评估生物标志物区分两个人群的能力。最常用的生物标志物诊断准确性的全球指标是$\ROC$曲线下面积($\AUC$)。在并行的$\AUC$,我们提出了一种新的策略来衡量随机变量之间的关联从一个连续的二元分布。首先,我们讨论了为什么传统的肯德尔曲线($\AUK$)下的面积不能作为依赖性的指标。然后,我们提出了一个简单的和有意义的扩展的定义的$\K$图,并定义了一个指数的依赖,是基于$\AUK$。该度量表征了广泛的双变量关系,从而完全检测了潜在的依赖结构。所提出的指数的属性满足测量的数学定义。最后,仿真和实际数据的例子说明了所提出的方法的适用性。
2018-11-21 math.ST stat.ME stat.TH
Likelihood-based Modeling of Covariate-Specific Time-Dependent ROC Curves
针对纵向研究中难以调整协变量的时间依赖性ROC分析问题,提出非参正态预后生物标志物(NPB)框架,通过建模生物标志物与事件时间的联合分布估计协变量特定的ROC曲线,并在ALS中验证了其提升风险分层和临床试验设计的潜力。
2025-08-11 stat.AP stat.ME
Advanced biomarker analysis for early Alzheimer's detection: a 3-class classification approach
本文针对三分类诊断问题提出重叠度量(OVL)的参数与非参数估计方法,通过模拟与VUS比较并应用于早期阿尔茨海默病临床诊断。
2025-04-29 stat.ME
ROC Analysis with Covariate Adjustment Using Neural Network Models: Evaluating the Role of Age in the Physical Activity-Mortality Association
Al-Balqa Applied University(阿尔巴拉克应用大学);University of North Carolina(北卡罗来纳大学);University of South Carolina(南卡罗来纳大学);University of Santiago de Compostela(圣地亚哥-德孔波斯特拉大学);Harvard University(哈佛大学)
本文提出基于神经网络的协变量调整ROC建模框架,用于灵活非线性评估生物标志物区分能力,并通过模拟和临床案例验证,凸显年龄等协变量调整的重要性及TAC作为功能能力生物标志物的潜力。
2025-10-16 stat.AP stat.ME stat.ML
A theory of ROC analysis of rule-out and rule-in diagnostics with applications to mammography data
The U.S. Food and Drug Administration(美国食品药品监督管理局);Department of Medical Imaging, Radboud University Medical Center(拉德堡德大学医学中心医学影像系);Department of Oncology-Pathology, Karolinska Institute(卡罗林斯卡学院肿瘤病理学系)
本文通过双变量Copula分析了两个相关诊断测试联合使用时ROC曲线的性质,探讨了放射科医生与AI相关性对AUC的影响,并应用于乳腺X线摄影数据。
2026-04-25 math.ST stat.ME stat.TH
Population and Empirical PR Curves for Assessment of Ranking Algorithms
North Carolina State University(北卡罗来纳州立大学)
ROC曲线被广泛用于评估预测/分类/排名算法的质量,其性质已被广泛研究。在存在不平衡的情况下,即一个类别的可能性远远高于另一个类别时,精确率-召回率(PR)曲线已经成为ROC曲线的事实上的替代品。虽然PR和ROC曲线倾向于互换使用,但它们具有一些非常不同的属性。PR曲线的性质是本文研究的重点。我们认为:(1)总体PR曲线,其中为两个类别的评分指定了完整的分布假设;以及(2)PR曲线的经验估计值,其中我们观察评分并且没有做出分布假设。这些性质直接影响到PR曲线应该或不应该被使用。例如,当主要关注类别中的分数来自离散分布时,经验PR曲线不一致。另一方面,正态近似可以很好地拟合来自连续定义的分数的经验PR曲线上的点,但是收敛性可能受到分布设置、不平衡量和PR曲线上的兴趣点的严重影响。
2018-10-19 cs.LG stat.ME stat.ML
ODC and ROC curves, comparison curves, and stochastic dominance
本文提出基于ODC和ROC标准化组合的比较曲线及其加权秩过程估计,结合B-plots和同时接受区域识别局部差异,并应用于随机占优检验,模拟和实际数据验证了其优越性能。
2024-01-25 math.ST stat.ME stat.TH
Modelling Receiver Operating Characteristic Curves Using Gaussian Mixtures
受试者工作特征曲线广泛应用于诊断试验性能的测量。已经提出了许多直接和间接的方法来建模ROC曲线,并且由于其易处理性,高斯分布通常用于建模两个群体。我们建议使用高斯混合模型,导致一个更灵活的方法,更好地解释非典型数据。蒙特卡罗模拟用于规避缺少封闭形式的问题。我们表明,我们的方法表现良好,相比,原油副法向曲线和半参数频率主义副法向ROC使用著名的LABROC程序。
2014-06-05 stat.AP stat.CO stat.ME
Comparing the effectiveness of k-different treatments through the area under the ROC curve
本研究提出基于ROC曲线下面积的方差分析型检验及事后Tukey HSD检验,用于比较动物模型中四种冲动决策干预措施的影响大小,并通过蒙特卡洛模拟和实际数据分析验证了方法的有效性。
2023-10-11 stat.AP stat.CO stat.ME