预测性能的新的决策理论与风险分层度量：在决定谁应接受基因检测中的应用
统计方法学
2017-11-16 v1 应用统计
摘要
目前，女性仅在其乳腺癌/卵巢癌家族史意味着其携带突变的风险超过10%时才被转介进行BRCA1/2突变检测。然而，随着突变检测成本下降，权威声音呼吁对所有女性进行检测，这将使临床资源紧张，因为需检测数百万女性，而其中几乎全部结果为阴性。为更好地评估BRCA1/2检测的风险阈值，我们引入两个广泛适用且关联的度量：平均风险分层（MRS）和一种决策理论度量——信息净收益（NBI）。MRS和NBI提供了一系列风险阈值，在此范围内标记物/模型是“最优信息性的”，即同时最大化MRS和NBI。NBI仅是MRS和采取行动的阈值风险的函数，将决策理论与风险分层联系起来，并为MRS提供决策理论依据。AUC和Youden指数反映了标记物/模型所达到的最大MRS和最大NBI的比例，从而赋予AUC和Youden指数长期寻求的决策理论与风险分层依据。为评估BRCA1/2检测的风险阈值，我们提出一种综合考量AUC、净收益和MRS/NBI的方法。MRS/NBI在突变患病率的背景下解释AUC，并提供风险模型最优信息性的一系列风险阈值。
引用
@article{arxiv.1711.05686,
title = {Novel decision-theoretic and risk-stratification metrics of predictive performance: Application to deciding who should undergo genetic testing},
author = {Hormuzd A. Katki},
journal= {arXiv preprint arXiv:1711.05686},
year = {2017}
}