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
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
Nonparametric Estimation of ROC Surfaces Under Verification Bias
验证偏差是一个众所周知的问题时,诊断测试的预测能力进行评估。在本文中,我们讨论了如何评估的准确性,连续规模的诊断测试中存在的验证偏差,当被认为是三级疾病状态。特别是,我们提出了一个完全非参数验证偏差校正估计的ROC表面。我们的方法是基于最近邻插补,并采用通用的平滑回归模型的疾病和验证过程。证明了估计量的相合性和渐近正态性,并通过几个蒙特卡罗模拟研究了其有限样本行为。方差估计进行了讨论,并给出了一个说明性的例子。
2016-04-15 stat.ME
A likelihood based sensitivity analysis for publication bias on summary ROC in meta-analysis of diagnostic test accuracy
在诊断测试准确性的荟萃分析中,总结受试者工作特征(SROC)是一种推荐的方法,用于总结诊断测试在研究特定截止值存在下的判别能力,SROC下的面积(SAUC)给出了测试准确性的总体测量。SROC或SAUC可以通过对主要诊断研究的敏感性和特异性对进行双变量建模来估计。然而,发表偏倚是荟萃分析中估计有效性的主要威胁。为了解决这个问题,我们建议采用敏感性分析来客观推断发表偏倚对SROC或SAUC的影响。我们扩展Copas似然的敏感性分析的二元正态模型用于荟萃分析的诊断测试的准确性,以评估多少SROC或SAUC将改变不同的选择概率下,几个选择性的出版机制依赖于敏感性和/或特异性。选择概率通过对logit转换的灵敏度和特异性线性组合的$t$型统计量的选择函数建模,允许每项研究的选择性发表受到灵敏度、特异性或诊断比值比的截断依赖性$p$值的影响。通过将选择函数嵌入到二元正态模型中,提出了条件似然,并通过最大化条件似然来估计偏差校正的SROC或SAUC。我们通过重新分析血管内器械相关感染检测准确性的荟萃分析来说明所提出的敏感性分析。仿真研究进行了调查所提出的方法的性能。
2022-03-11 stat.ME stat.OT
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
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
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
Bias-corrected methods for estimating the receiver operating characteristic surface of continuous diagnostic tests
针对三分类疾病状态下连续诊断测试评估中的验证偏差问题,本文提出了ROC曲面及其曲面下体积的验证偏差校正估计量,证明了其一致性与渐近正态性,并通过模拟研究和实例验证了方法的有效性。
2016-06-01 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
Evaluating the diagnostic powers of variables and their linear combinations when the gold standard is continuous
受试者工作特征(ROC)曲线是一个非常有用的工具,用于分析仪器/分类方案的诊断/分类能力,只要二进制金标准可用。当金标准是连续的,没有确定的阈值,ROC曲线变得不太有用。因此,有几个扩展建议用于评估感兴趣的变量的诊断潜力。然而,由于这些基于非参数的扩展的计算困难,它们不容易被用来寻找最佳的变量组合,以提高个人的诊断能力。因此,我们提出了一种新的措施,它扩展了AUC指数,用于识别具有良好潜力的变量,用于诊断方案。此外,我们提出了一个基于阈值梯度下降的算法,用于找到最佳的线性组合的变量,最大化这个新的措施,这是适用的,即使当变量的数量是巨大的。研究了该指标的估计及其渐近性质。所提出的方法的性能说明使用合成和真实的数据集。
2011-05-09 stat.AP stat.ME stat.ML
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
Estimation of the Volume Under the ROC Surface in Presence of Nonignorable Verification Bias
当可能的疾病状态属于三个有序类别之一时,受试者工作特征表面(VUS)下的体积可用于测量诊断测试的总体准确性。在医学研究中,新测试的VUS通常通过由一些合适的患者样本获得的测量样本来估计。然而,在许多情况下,只有一个子集的患者有真正的疾病状态评估的金标准测试。在本文中,对于一个连续尺度的诊断测试,我们提出了四个估计的VUS,其中包括不可分割的缺失的疾病状态。估计是基于一个参数模型,共同描述了疾病和验证过程。讨论了模型的可辨识性。给出了估计量的相合性和渐近正态性,并讨论了方差估计。通过仿真实验研究了有限样本行为。提供了一个例子。
2018-07-02 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
Bayesian Bootstrap Inference for the ROC Surface
疾病的准确诊断在临床实践和医学研究中具有重要意义。受试者工作特征(ROC)表面是一种流行的工具,用于评估当存在三种有序疾病类别(例如,无病、轻症、晚期疾病)。我们提出了贝叶斯自助法,一个完全非参数的方法,进行推理的ROC表面和它的功能,如表面下的体积。所提出的方法是基于一个简单的,但有趣的,代表性的ROC表面的放置变量。模拟研究的结果表明,我们的方法能够成功地恢复真实的ROC表面,并在各种复杂的情况下产生有效的推断。应用连线测验的数据来评估帕金森病患者的认知功能障碍。
2018-05-19 stat.ME
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
Bayesian ROC surface estimation under verification bias
受试者工作特征(ROC)曲面是ROC曲线的推广,广泛用于评估三类诊断试验的准确性。在ROC分析的实际应用中,经常会出现一种称为验证偏倚的并发症,即并非所有受试者的真实疾病状态都得到验证。这是一个常见的问题,因为用于生成真实疾病状态的金标准测试可能是侵入性的且昂贵的。在本文中,我们将提出一个贝叶斯方法估计的ROC表面的基础上连续数据的半参数三正性假设。我们提出的方法经常采用的ROC分析也可以扩展到情况下,存在验证偏差。在三正性假设下,利用秩似然法计算参数的后验分布。在温和的条件下后的一致性也成立。我们比较我们的方法与现有的方法估计ROC表面,并得出结论,我们的方法在精度方面表现良好。
2018-03-18 stat.AP stat.ME
Empirical Likelihood Inference for Area under the ROC Curve using Ranked Set Samples
受试者工作特征曲线(AUC)下的面积是一个有用的工具,以评估性能的连续规模的诊断测试对二进制分类。在这篇文章中,我们提出了一个经验似然(EL)的方法来构建置信区间的AUC从数据收集的秩集抽样(RSS)。建议的EL为基础的方法,使推理无需假设在现有的非参数方法,并利用RSS的抽样效率。我们发现,对于平衡和不平衡的RSS,基于EL的点估计是Mann-Whitney统计量,置信区间可以从缩放的χ 2分布中获得。对糖尿病和慢性肾脏疾病数据的模拟研究和两个案例研究表明,使用所提出的方法和RSS可以更有效地推断AUC。
2022-05-04 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
ROC Curves for Spatial Point Patterns and Presence-Absence Data
本文澄清了ROC曲线在空间点模式数据中的解释,指出其度量的是排序能力而非拟合优度,并提出基于AUC和曲线形状的新技术,用于变量选择、模型选择、分离分析、基线调整和空间病例-对照分析。
2025-06-03 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
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
Improving estimation of the volume under the ROC surface when data are missing not at random
在本文中,我们提出了一个平均得分方程为基础的方法来估计下的接收操作特征(ROC)表面(VUS)的诊断测试,在不可验证(NI)的验证偏差的体积。所提出的方法涉及一个参数回归模型的验证过程中,适应可能NI缺失的疾病状态的样本受试者,并可能使用工具变量,这有助于避免可能的可识别性问题。为了求解由所选验证模型导出的平均得分方程,我们初步需要估计疾病过程的模型参数,但其规格仅适用于研究中已验证的受试者。然后,通过使用估计的验证和疾病概率,我们获得了四个验证偏差校正的VUS估计量,这些估计量是To Duc等人(2019)基于全似然方法最近提出的估计量的替代。建立了新估计量的相合性和渐近正态性。仿真实验进行评估其有限样本的性能,并应用于一个数据集的研究上皮性卵巢癌。
2019-06-20 stat.AP stat.ME
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
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
Nonparametric Covariate Adjustment for Receiver Operating Characteristic Curves
诊断测试的准确性通常使用受试者工作特征(ROC)曲线来表征。ROC曲线下面积(AUC)等总结指标用于比较不同的测试以及测量两个人群之间的差异。通常可以获得关于已知会影响此类测量准确性的某些协变量的额外信息。我们提出了非参数方法的协变量调整的AUC。分别讨论和分析了具有正态误差和非正态误差的模型。非参数回归用于估计这两种情况下的均值和方差函数。在一般的噪声情况下,我们提出了一个协变量调整的曼-惠特尼估计AUC估计,有效地利用现有的数据来构建工作样本在任何协变量值的兴趣,是计算效率的实施。这提供了一个概括的曼-惠特尼方法比较两个群体考虑协变量的影响。我们推导了AUC估计在这两种情况下的渐近性质,包括渐近正态性、最优强一致收敛速度和均方误差一致性。所提出的方法的实用性证明通过模拟和真实数据的例子。
2009-05-04 math.ST stat.ME stat.TH
Classification Under Uncertainty: Data Analysis for Diagnostic Antibody Testing
制定准确和稳健的分类策略是开发诊断和抗体测试的关键挑战。没有明确说明疾病流行率及其不确定性的方法可能导致重大的分类错误。我们提出了一种新的方法,利用最优决策理论来解决这个问题。作为一个初步的步骤,我们开发了一个分析,使用假设的患病率和诊断测量结果的条件概率模型来定义最佳的(在这个意义上的假阳性和假阴性率最小化)分类域。重要的是,我们证明了这种策略可以推广到一个设置中的患病率是未知的:(i)定义第三类的坚持样本,需要进一步的测试;或(ii)使用自适应算法来估计患病率之前,定义分类域。我们还提供了最近发表的SARS-CoV-2血清学测试的例子,并讨论了如何测量不确定性(例如与仪器相关)可以纳入分析。我们发现,我们的新策略减少了多达十年的分类错误相对于更传统的方法的基础上置信区间。此外,它建立了一个理论基础,推广技术,如受试者工作特性(ROC),将它们连接到更广泛的优化领域。
2021-04-10 stat.ME
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
Time-dependent AUC with right-censored data: a survey study
ROC曲线和相应的AUC是用于评估诊断测试的流行工具。它们最近已扩展到评估预后标志物和预测模型。然而,由于事件发生时间结局的许多特殊性,文献中提出了各种定义和估计量。这篇综述文章的目的是介绍那些适应右删失,这是常见的评估这种预后标志物。
2012-10-25 stat.ME
Statistical Evaluation of Medical Tests
在这篇综述中,我们提出了一个概述的主要方面有关的医学测试的诊断和预后的统计评估。二元测试,如灵敏度,特异性和预测值的诊断性能的措施,介绍了,并扩展到连续结果测试的情况下进行了详细说明。特别关注的是受试者工作特征(ROC)曲线及其估计,协变量调整的主题受到了极大的关注。扩展的情况下,时间依赖性ROC曲线评估预后的准确性也触及。我们将所描述的几种方法应用于来自一项研究的数据集,该研究旨在评估HOMA-IR(胰岛素抵抗的稳态模型评估)水平识别高心脏代谢风险个体的能力,以及这种辨别能力如何受到年龄和性别的影响。我们还概述了软件可用于实现的方法。
2020-07-15 stat.ME
A semiparametric approach for the estimation of covariate-adjusted area under the receiver operating characteristic curve
The George Washington University(乔治华盛顿大学);Georgetown University(乔治城大学)
本研究针对临床中生物标志物判别性能的协变量异质性问题,提出基于广义加性模型的半参数框架估计协变量调整的AUC,通过模拟和ADNI数据验证了方法的有效性。
2026-08-17 stat.ME
Semiparametric Receiver Operating Characteristic Analysis in the Presence of an Imperfect Reference Standard via a Box-Cox Density Ratio Model
University of Waterloo(滑铁卢大学)
针对不完美参考标准下的ROC分析,提出基于Box-Cox密度比模型的半参数方法,自动估计变换参数,结合经验似然和EM算法,实现准确稳定的估计与推断。
2026-09-28 stat.ME