×

诊断标记值的信息性和数据分组的影响。 (英语) Zbl 1469.62115号

小结:评估诊断标记物的性能是在诊断医学和其他领域的各种相关条件的决策中使用它们的必要步骤。然而,全球有用的标记可能具有“诊断上无信息”. 本文证明,在非参数评估期间,诊断非信息范围中的标记值的存在可能会导致统计效率的损失,并表明分组非信息值可以自然地解决此问题。这些观点在理论上得到了验证,并进行了广泛的模拟研究,以说明在一些实际合理的场景中使用分组标记值的可能好处。结果与关于分组标记值在性能评估期间的有害影响的常见推测相矛盾。具体地说,与分组标记值导致偏差的常见假设相反,分组非信息值不会引入偏差,并且可以大大降低采样可变性。分组标记值在统计上是有益的,而不会产生有害后果,这一已被证明的概念意味着,在实践中,绑定值并不总是需要解析,而使用连续诊断结果而不解决诊断非信息范围,则可能在统计上有害。基于这些发现,可以开发出更有效的评估诊断标记的方法。

MSC公司:

62-08 统计学相关问题的计算方法
62页第10页 统计学在生物学和医学中的应用;元分析

软件:

截止2001年
PDF格式BibTeX公司 XML格式引用
全文: 内政部 链接

参考文献:

[1] 康斯坦丁,K。;卡森,M。;Tse,S.K.,γ病例中P(Y<X)的估计,Commun。统计B-Simul。,15, 365-388, (1986) ·Zbl 0601.62043号
[2] 康塔尔,C。;Quigley,J.O.,《改变点方法在研究年龄对乳腺癌生存率影响中的应用》,计算机。统计师。数据分析。,30253-270(1999年)·Zbl 1042.62618号
[3] 考克斯,D.R。;Hinkley,D.V.,《理论统计》(1974),查普曼和霍尔/CRS出版社博卡拉顿·Zbl 0334.62003号
[4] DeLong,E.R。;DeLong,D.M。;Clarke-Pearson,D.L.,《比较两个或多个相关接收器工作特性曲线下的面积:非参数方法》,《生物计量学》,44,837-845,(1988)·Zbl 0715.62207号
[5] 德尔维拉诺,不列颠哥伦比亚省。;Brennan,S。;布罗克·P。;Bucher,C。;刘,V。;McClure,M。;Rake,M。;空格B。;Zurawski,V.R.,单克隆抗体定义肿瘤标记物的放射免疫测定,CA19-9,临床。化学。,29, 549-552, (1983)
[6] Dorfman,D.D。;贝尔鲍姆,K.S。;梅茨,C.E。;长度,R.V。;Hanley,J.A。;Dagga,H.A.,《正确接收器操作特性分析:bigamma模型》,美国科学院。无线电。,4, 138-149, (1996)
[7] 《信号检测理论与ROC分析》(1975),纽约学术出版社
[8] 埃尔坎利,A。;Sung,M。;简·科斯特洛(Jane Costello),E。;Angold,A.,贝叶斯半参数ROC分析,Stat.Med.,25,22,3905-3928,(2006)
[9] Fawcett,T.,ROC分析简介,模式识别。莱特。,27, 861-874, (2006)
[10] 顾J。;Ghosal,S。;Roy,A.,《ROC曲线的贝叶斯自举估计》,Stat.Med.,27,26,5407-5420,(2008)
[11] 汉德,D.J。;Till,R.J.,多类别分类问题ROC曲线下面积的简单概括,马赫数。学习。,45, 2, 171-186, (2001) ·Zbl 1007.68180号
[12] Hanley,J.A。;McNeil,B.J.,《接收器工作特性(ROC)曲线下面积的含义和使用》,放射学,143,29-36,(1982)
[13] 黄,Y。;Pepe,M.S.,用于评估病例对照研究中连续标记物的预测性的基于ROC模型的参数方法,生物计量学,65,1133-1144,(2009)·Zbl 1181.62181号
[14] Lehmann,E.L。;Casella,G.,《点估计理论》(1998),纽约斯普林格出版社·Zbl 0916.62017号
[15] 李,J。;Fine,J.P.,《多类别和多测试的ROC分析:方法及其在微阵列研究中的应用》,生物统计学,9,3,566-576,(2008)·兹比尔1143.62083
[16] Lynn,H.S.,左删失HIV RNA数据的最大似然推断,Stat.Med.,20,1,33-45,(2001)
[17] 马,H。;Bandos,A.I。;Rockette,H.E。;Gur,D.,《关于使用ROC曲线下的部分面积评估诊断性能》,Stat.Med.,32,3449-3458,(2013)
[18] Martinez-Cambor,P。;科拉尔,N。;Rey,C。;帕斯科尔,J。;Cernuda-Morollon,E.,非单调关系的接收器工作特性曲线泛化,Statist。方法医学研究,26,1,113-123,(2017)
[19] McClish,D.,《分析ROC曲线的一部分》,Med.Decis。Making,190-195年9月(1989年)
[20] Nakas,C.T。;Yiannoutsos,C.T.,连续测量有序多类ROC分析,Stat.Med.,23,22,3437-3449,(2004)
[21] 彭,F。;Hall,W.J.,《使用Markov-chain Monte Carlo方法对ROC曲线进行贝叶斯分析》,《医学杂志》。制作,16,4,404-411,(1996)
[22] Pepe,M.S.,《分类和预测医学试验的统计评估》,(2003),牛津大学出版社·Zbl 1039.62105号
[23] 佩佩,M.S。;Cai,T.,用于评估歧视性措施的位置值分析,生物统计学,60,528-535,(2004)·兹比尔1274.62173
[24] 新泽西州珀金斯。;Schisterman,E.F。;Vexler,A.,《从检测限样本推断受试者操作特征曲线》,美国流行病学杂志。,165, 325-333, (2007)
[25] Rockette,H.E。;Gur,D。;Metz,C.E.,《诊断成像技术ROC研究中连续和离散置信判断的使用》,投资。无线电。,27, 169-172, (1992)
[26] Vexler,A。;刘,A。;Eliseeva,E。;Schisterman,E.F.,《用于比较受检测限限制的生物标记物的鉴别能力的最大似然比检验》,《生物计量学》,64,3,895-903,(2008)·Zbl 1145.62391号
[27] 瓦格纳,R.F。;贝登,S.V。;Metz,C.E.,《ROC分析的连续与分类数据:一些定量考虑》,美国科学院。无线电。,8, 328-334, (2001)
[28] 瓦格纳,R.F。;梅茨,C.E。;Campbell,G.,《医学成像系统和计算机辅助评估:教程综述》,Acad。无线电。,14, 723-728, (2007)
[29] Wieand,H.S。;盖尔,M。;B.詹姆斯。;James,K.,用于比较诊断标记与成对或未成对数据的非参数统计家族,Biometrika,76,585-592,(1989)·Zbl 0674.62075号
[30] 周X.H。;Obuchowski,N.A。;McClish,D.K.,《诊断医学中的统计方法》(2011),威利父子公司,纽约·Zbl 1268.62146号
[31] 邹建华(Zou,K.H.)。;Hall,W.J.,从连续数据中估算ROC曲线的两种转换模型,J.Appl。统计,27,5,621-631,(2000)·Zbl 0958.62106号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。