诊断试验准确性研究双变量荟萃分析中的复合似然
统计方法学
2018-07-12 v2 应用统计
摘要
复合似然(CL)是在诊断试验准确性研究双变量荟萃分析背景下用于估计广义线性混合模型(GLMM)的计算方法之一。其优点是可以在随机效应独立的假设下方便地推导似然，但对该方法的优点或必要性尚无清晰的分析。为了综合诊断试验准确性研究，生物统计学文献中提出了一个copula混合模型。这个通用模型将GLMM作为一个特例包含在内，并且还可以允许灵活的相依性建模，不同于假设简单的线性相关结构、正态性和联合尾部的尾部独立性。已提出一种最大似然(ML)方法，该方法基于用求积方法评估似然的二维积分，事实上它缓解了似然函数中双重积分可能引起的任何计算困难。通过广泛的模拟对这两种方法进行了彻底检验，并用一项已发表荟萃分析的数据进行了说明。结果表明，ML方法没有不收敛问题或计算困难，同时允许估计研究特异性灵敏度和特异度之间的相依性，从而通过汇总受试者工作特征曲线进行预测。
引用
@article{arxiv.1611.05344,
title = {On composite likelihood in bivariate meta-analysis of diagnostic test accuracy studies},
author = {Aristidis K. Nikoloulopoulos},
journal= {arXiv preprint arXiv:1611.05344},
year = {2018}
}
备注
arXiv admin note: text overlap with arXiv:1502.07505