用于评估协变量依赖方法一致性的树模型
统计方法学
2023-06-08 v1
摘要
方法比较研究探讨两种或多种方法所测得结果的一致性。通常，一致性通过成熟的 Bland-Altman 分析来评估。然而，其潜在假设是对于所有观测单元和所有应用设定，测量间的差异具有同分布。我们引入条件方法一致性的概念，并提出相应的建模方法来缓解该约束。为此，将 Bland-Altman 分析嵌入递归划分框架中，以在探索性分析中依据协变量显式定义具有异质一致性的子群。考虑了三种不同的建模方法：对建模差异进行适当变换的条件推断树（CTreeTrafo）、分布回归树（DistTree）和基于模型的树（MOB）。在多项模拟研究中，从这些模型的 I 类错误概率与功效角度评估其性能。此外，采用调整兰德指数（ARI）来量化模型发掘给定子群的能力。以加速度计设备测量的真实数据应用示例展示了其适用性。另外，提出了两样本 Bland-Altman 检验，用于子群间一致性差异的探索性或验证性假设检验。结果表明，随着样本量增大，所有模型均能高精度检测给定子群。在加速度计数据应用中可检测到可能影响一致性的相关协变量。我们得出结论：条件方法一致性树（COAT）能够实现依赖于协变量的方法一致性的探索性分析，以及相应的子群差异的探索性或验证性假设检验。该工具已通过 R 包 coat 公开提供。
引用
@article{arxiv.2306.04456,
title = {Tree models for assessing covariate-dependent method agreement},
author = {Siranush Karapetyan and Achim Zeileis and André Henriksen and Alexander Hapfelmeier},
journal= {arXiv preprint arXiv:2306.04456},
year = {2023}
}