协变量调整 ROC 曲线的贝叶斯非参数推断
统计方法学
2018-06-05 v1
摘要
疾病的准确诊断在临床实践和医学研究中具有根本重要性。在医学诊断试验被常规用于实践之前，其区分患病与非患病状态的能力必须通过统计分析严格评估。受试者工作特征（ROC）曲线是评估连续结果诊断试验判别能力最常用的工具。已公认若干因素（例如受试者特异性特征，如年龄和/或性别）可在疾病状态之外影响试验的准确性。近来，协变量调整 ROC 曲线已被提出并成功应用为考虑协变量信息的诊断准确性全局汇总度量。我们阐明了协变量调整 ROC 曲线的用途，并基于依赖狄利克雷过程混合模型的 B 样条与贝叶斯自助法的组合开发了一个高度稳健的模型。多项模拟研究证明了我们的模型能够在多种复杂情景下成功恢复真实协变量调整 ROC 曲线并产生有效推断。我们的方法由一项内分泌研究激发并应用于该研究，其主要目标是评估体重指数在调整年龄和性别后预测心血管疾病危险因素簇的准确性。提供了实现我们所提方法的 R 包 AROC。
引用
@article{arxiv.1806.00473,
title = {Bayesian nonparametric inference for the covariate-adjusted ROC curve},
author = {Vanda Inacio de Carvalho and Maria Xose Rodriguez-Alvarez},
journal= {arXiv preprint arXiv:1806.00473},
year = {2018}
}