在数据非随机缺失下改进ROC曲面下体积的估计
统计方法学
2019-06-21 v1 应用统计
摘要
在本文中，我们提出一种基于均值得分方程的方法，在非可忽略（NI）验证偏倚下估计诊断试验的接收者操作特征（ROC）曲面下体积（VUS）。所提方法包含一个用于验证过程的参数回归模型，该模型容纳样本个体疾病状态中可能的NI缺失，并可使用工具变量，有助于避免可能的可识别性问题。为求解所选验证模型导出的均值得分方程，我们预先需要估计疾病过程模型的参数，但其设定仅针对研究中已验证的个体。然后，利用估计的验证概率与疾病概率，我们得到四个验证偏倚修正的VUS估计量，它们是基于全似然方法由To Duc等人（2019）最近提出的估计量的替代方案。我们建立了新估计量的一致性与渐近正态性。通过模拟实验评估其有限样本表现，并给出了对一项上皮性卵巢癌研究数据集的应用。
引用
@article{arxiv.1906.08735,
title = {Improving estimation of the volume under the ROC surface when data are missing not at random},
author = {Duc-Khanh To and Gianfranco Adimari and Monica Chiogna},
journal= {arXiv preprint arXiv:1906.08735},
year = {2019}
}