协变量特异性 ROC 曲线的稳健灵活推断
统计方法学
2020-07-28 v3
摘要
诊断测试在医疗保健和医学研究中至关重要。异常和离群的测试结果可能会影响对诊断测试判别能力的评估，受此启发，我们开发了一个灵活且稳健的模型，用于对协变量特异性受试者工作特征（ROC）曲线进行推断，该模型既能防范离群测试结果，又能适应协变量可能的非线性效应。具体而言，我们对患病和非患病人群的测试结果假设了一个位置尺度可加回归模型，将可加三次 B 样条与回归函数的 M 估计相结合，同时通过加权经验分布函数估计残差。模拟研究结果表明，在各种可预见的测试结果污染场景下，我们的方法成功地恢复了真实的协变量特异性 ROC 曲线及相应的曲线下面积。我们的方法被应用于源自一项前列腺癌研究的数据集，旨在评估前列腺健康指数区分患有 Gleason 7 级或以上前列腺癌与未患此癌男性的能力，以及这种判别能力是否随年龄变化及如何变化。
关键词
引用
@article{arxiv.2007.06054,
title = {Robust and flexible inference for the covariate-specific ROC curve},
author = {Vanda Inacio and Vanda M. Lourenco and Miguel de Carvalho and Richard A. Parker and Vincent Gnanapragasam},
journal= {arXiv preprint arXiv:2007.06054},
year = {2020}
}