基于惩罚样条的协变量特异性时序 ROC 曲线估计
统计方法学
2025-10-22 v2 统计计算
摘要
识别具有高预测准确性的生物标志物是医学研究中的关键任务，因为这有助于医生在高风险人群中进行早期决策，从而降低死亡率和患病率。时序接收者运行特征曲线 (ROC) 是评估预后生物标志物准确性的主要工具，用于评估随时间演变的结局。鉴于在评估预后生物标志物准确性时考虑患者异质性的需求，我们引入了一种新型的惩罚性时序 ROC 曲线估计器，以容纳协变量的可能修改效应。我们为事件时间给定协变量和生物标志物的危险函数以及生物标志物给定协变量的 location-scale 回归模型采用灵活的模型，使通过惩罚样条来容纳非比例危险和非线性效应，从而克服了先前方法的局限性。模拟研究表明，我们的方法在各种情景下成功恢复了协变量特异性时序 ROC 曲线的真实函数形式以及相应的曲线下面积。与现有方法的比较进一步表明，我们的方法在多个情景下的表现优异。我们将方法应用于评估 Global Registry of Acute Coronary Events 风险评分在急性冠脉综合征患者出院后不同时间段内预测死亡的能力，并探讨其能力如何随左心舒张功能指数而变化。提供一个实现该方法的 R 软件包 CondTimeROC。
引用
@article{arxiv.2506.13604,
title = {Penalised spline estimation of covariate-specific time-dependent ROC curves},
author = {María Xosé Rodríguez-Álvarez and Vanda Inácio},
journal= {arXiv preprint arXiv:2506.13604},
year = {2025}
}