使用随机效应分布的copula表示进行诊断测试准确性研究双变量元分析的混合效应模型
统计方法学
2015-11-06 v1 应用统计
摘要
诊断测试准确性研究通常报告真阳性、假阳性、真阴性和假阴性的数量。真阳性与真阴性数量之间通常存在负关联，因为采用较不严格标准判定测试为阳性的研究会引起较高的灵敏度(sensitivity)和较低的特异度(specificity)。目前推荐使用广义线性混合模型(GLMM)来综合诊断测试准确性研究。我们提出一个用于诊断测试准确性研究双变量元分析的copula混合模型。我们的通用模型将GLMM作为特例包含，并且也可以在灵敏度和特异度的原始尺度上操作。通过分位数回归技术和双变量随机效应分布的不同表征，推导出所提模型的汇总受试者工作特征曲线。我们的通用方法通过一个广泛的模拟研究得到展示，并通过重新分析两个已发表的元分析数据进行说明。我们的研究表明，在拟合数据方面可能比GLMM有改进，并主张转向copula随机效应模型。我们的建模框架在开源统计环境R内的CopulaREMADA包中实现。
引用
@article{arxiv.1502.07505,
title = {A mixed effect model for bivariate meta-analysis of diagnostic test accuracy studies using a copula representation of the random effects distribution},
author = {Aristidis K. Nikoloulopoulos},
journal= {arXiv preprint arXiv:1502.07505},
year = {2015}
}