何时需要重复生物标志物检测？从条件性重复测量中分解变异来源

基于初始结果重复进行不完美的生物标志物检测可能会引入偏差并影响误分类风险。例如，在某些血液捐赠场景中，当初始测量值低于捐赠资格的最低阈值时，血液捐赠者的血红蛋白会进行重新测量。本文探讨了使用来自条件性重复生物标志物测量过程的数据的方法，用于将连续型生物标志物观测测量的变异分解为群体变异和由测量程序引起的变异。我们提出两种频率学方法，具有解析解，但这些方法在血液捐赠者条件性重复血红蛋白数据集中表现不佳，其中未满足正态性假设。随后，我们发展了一个贝叶斯层次框架，允许不同的分布假设，我们将其应用于血液捐赠者血红蛋白数据集。我们发现，在假设群体血红蛋白呈正态分布、测量变异呈重尾 $t$ 分布的贝叶斯层次模型中，总测量变异占所有女性捐赠者方差的 22%，占所有男性捐赠者方差的 25%，其中女性捐赠者的群体标准差为 $1.07\, \rm g/dL$，男性捐赠者的群体标准差为 $1.28\, \rm g/dL$。我们的贝叶斯框架可用于来自任何条件性重复生物标志物测量的临床过程的数据，估算单个或多个噪声连续测量后个体的误分类风险，并为基于证据的条件性复测决策规则提供依据。