用于ROC分析的变换模型
统计方法学
2022-08-16 v2
摘要
受试者工作特征(ROC)分析是评估和比较医学诊断测试准确性最流行的方法之一。尽管已开发各种方法来估计ROC曲线及其相关汇总指标，但对于一个能在处理医学数据复杂性的同时提供一致统计推断的单一框架尚未达成共识。此类复杂性可能包括影响测试诊断潜力的协变量、有序测试数据、因仪器检测限导致的删失数据或相关的生物标志物。我们提出了一种针对变换后测试结果的回归模型，其利用了ROC曲线对单调变换的不变性，并自然地容纳这些特征。我们对最大似然推断的使用保证了所得估计量及相关置信区间的渐近有效性。模拟研究表明，基于变换模型的估计是无偏的，并在名义水平下产生覆盖。该方法应用于一项代谢综合征的横断面研究，其中我们考察了体重身高比作为无创诊断测试的协变量特定表现。文中描述的所有方法的软件实现均在“tram”R包中提供。
引用
@article{arxiv.2208.03679,
title = {Transformation models for ROC analysis},
author = {Ainesh Sewak and Torsten Hothorn},
journal= {arXiv preprint arXiv:2208.03679},
year = {2022}
}