ROCnReg：一个带与不带协变量信息的受试者工作特征曲线推断的 R 包
统计方法学
2021-03-22 v5 应用统计
统计计算
摘要
受试者工作特征（ROC）曲线是评估连续尺度测量的诊断试验/生物标志物在区分两种备选疾病状态（例如患病与未患病）时判别能力的最常用工具。在某些情况下，试验的性能和判别能力可能随受试者特定特征或不同试验设置而变化。此时需要信息特定的准确度度量，例如协变量特定和协变量调整的 ROC 曲线，因为忽略协变量信息可能导致偏倚或错误结果。本文介绍 R 包 ROCnReg，它允许通过不同方法估计合并（未调整）ROC 曲线、协变量特定 ROC 曲线和协变量调整 ROC 曲线，这些方法涵盖（半）参数与非参数视角，并位于贝叶斯与频率主义范式内。根据估计的 ROC 曲线（合并、协变量特定或协变量调整），可获得若干准确度摘要度量，如（部分）ROC 曲线下面积与 Youden 指数。该包还提供函数，使用若干准则（即 Youden 指数准则和设定假阳性率为目标值的准则）获取基于 ROC 的最优阈值。对于贝叶斯方法，我们提供通过 posterior predictive checks 评估模型拟合的工具，而模型选择可通过若干信息准则进行。所有方法均提供数值与图形输出。该包通过分析一项内分泌研究的数据加以说明，该研究旨在评估身体质量指数检测心血管疾病风险因素存在与否的能力。该包可从 CRAN 获取：https://CRAN.R-project.org/package=ROCnReg。
引用
@article{arxiv.2003.13111,
title = {ROCnReg: An R Package for Receiver Operating Characteristic Curve Inference with and without Covariate Information},
author = {Maria Xose Rodriguez-Alvarez and Vanda Inacio},
journal= {arXiv preprint arXiv:2003.13111},
year = {2021}
}