CopulaDTA：一个基于Copula的双变量Beta-Binomial模型的R包，用于贝叶斯框架下的诊断试验准确性研究
统计方法学
2016-04-08 v1
摘要
当前统计软件包中用于诊断试验准确性数据合并的统计程序包括hSROC回归和双变量随机效应荟萃分析模型(BRMA)。然而，这些模型不报告总体均值，而是报告随机效应为零的中央研究的均值，并且在荟萃分析的研究数量较少和/或研究间方差相对较大时，难以估计敏感性和特异性之间的相关性。本关于诊断准确性研究荟萃分析高级统计方法的教程讨论并演示了使用R中的CopulaDTA包进行贝叶斯建模，以拟合不同模型来获得荟萃分析参数估计。重点是利用基于copula的双变量beta分布对敏感性和特异性进行联合建模。本质上，我们扩展了Nikoloulopoulos的工作：i)提出贝叶斯方法，其提供灵活性并能够在小数据集下执行复杂统计建模；ii)包含协变量信息；iii)提供易于使用的代码。统计方法通过重新分析两个已发表荟萃分析的数据来说明。使用双变量beta分布对敏感性和特异性建模提供了边际以及研究特定的参数估计，而使用双变量正态分布(例如在BRMA中)仅产生研究特定的参数估计。此外，基于copula的模型在建模不同相关结构方面提供了更大的灵活性，而正态分布只允许一种相关结构。
引用
@article{arxiv.1604.01996,
title = {CopulaDTA: An R Package for Copula Based Bivariate Beta-Binomial Models for Diagnostic Test Accuracy Studies in a Bayesian Framework},
author = {Victoria N Nyaga and Marc Arbyn and Marc Aerts},
journal= {arXiv preprint arXiv:1604.01996},
year = {2016}
}
备注
26 pages, 5 figures