×
保罗·布兰奇；奥雷连·拉图什；维维安·维亚龙

基于右偏数据的时间依赖AUC：一项调查。 （英语） Zbl 1461.62185号

Lee，Mei-Ling Ting（编辑）等，风险评估和预测评估。会议记录，美国马里兰州银泉，2011年10月12日至14日。纽约州纽约市：斯普林格。莱克特。《票据统计》第215、239-251页（2013年）。
总结：ROC曲线和相应的AUC是评估诊断测试的常用工具。它们最近被扩展到评估预后标志物和预测模型。然而，由于时间对事件结果的许多特殊性，文献中提出了各种定义和估计。这篇综述文章旨在介绍适应右偏的标记，这在评估此类预后标记时很常见。
关于整个系列，请参见[Zbl 1279.92006年9月].

引用于1文件

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
62N01号 审查数据模型

关键词：

假阳性率；经验分布函数；初步估计；样条基函数；条件生存函数
PDF格式BibTeX公司 XML格式引用
\textit{P.Blanche}等人，Lect。票据统计215239--251（2013；Zbl 1461.62185）
全文： 内政部 arXiv公司

参考文献：

[1] Akritas，M.：随机删失下二元分布的最近邻估计。《Ann.Stat.221299-1327》（1994）·Zbl 0819.62028号 ·doi:10.1214/aos/1176325630
[2] Blanche，P.，Dartigues，J.F.，Jackmin-Gadda，H.：利用标记依赖性审查对时间依赖性结果的ROC曲线估计值进行审查和比较。生物医学杂志55（5），687-704。doi:10.1002/bimj.201200045（2013）·Zbl 1400.62250号
[3] Cai，T.、Pepe，M.S.、Zheng，Y.、Lumley，T.和Jenny，N.S.：标记物对事件时间的敏感性和特异性。生物统计学7，182-197（2006）·Zbl 1169.62367号 ·doi:10.1093/biostatistics/kxi047
[4] Cai，T.，Gerds，T.A.，Zheng，Y.，Chen，J.：利用多项研究的数据对T年生存率进行稳健预测。生物统计学67，436-444（2011）·Zbl 1217.62162号 ·文件编号：10.1111/j.1541-0420.2010.01462.x
[5] Chambless，L.E.，Diao，G.：长期风险预测ROC曲线下时间相关区域的估计。Stat.Med.25，3474-3486（2006年）·doi:10.1002/sim.2299
[6] Chambless，L.E.，Cummiskey，C.P.，Cui，G.：评估风险预测模型改进的几种方法：延伸到生存分析。《统计医学》30（1），22-38（2011）·数字对象标识代码：10.1002/sim.4026
[7] Chiang，C.T.，Hung，H.：时间相关AUC的非参数估计。J.统计计划。推论140（5），1162-1174（2010）·Zbl 1181.62032号 ·doi:10.1016/j.jspi.2009.10.012
[8] Cortese，G.，Andersen，P.K.：竞争风险和时间相关协变量。生物。J.52（1），138-158（2010）·Zbl 1207.62087号
[9] 德隆，E.R.，德隆，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。生物统计学44（3），837-845（1988）·兹比尔0715.62207 ·doi:10.307/2531595
[10] Demler，O.V.，Pencina，M.J.，D'Agostino，R.B.Sr.：正态假设下ROC曲线下面积改进的等效性和线性判别分析系数。Stat.Med.30（12），1410-1418（2011）
[11] Dodd，L.E.，Pepe，M.S.：部分AUC估计和回归。生物统计学59（3），614-623（2003）·Zbl 1210.62152号 ·数字对象标识代码：10.1111/1541-0420.0071
[12] Etzioni，R.，Pepe，M.，Longton，G.，Hu，C.，Goodman，G.：将时间维度纳入受试者操作特征曲线：前列腺癌的案例研究。医学博士。马克。19(3), 242-251 (1999) ·doi:10.1177/0272989X9901900303
[13] Foucher，Y.，Giral，M.，Soulilou，J.P.，Daures，J.P.:肾移植应用的三级预后的时间依赖性ROC分析。Stat.Med.29，3079-3087（2010年）·doi:10.1002/sim.4052
[14] Gail，M.H.，Pfeiffer，R.M.：关于评估绝对风险模型的标准。生物统计6（2），227-239（2005）·Zbl 1071.62100号 ·doi:10.1093/biostatistics/kxi005
[15] Gu，W.，Pepe，M.S.：总结和比较标记预测能力的措施。国际生物统计杂志。5, 27-49 (2009) ·doi:10.2202/1557-4679.1188
[16] Heagerty，P.J.，Pepe，M.S.：回归分位数的半参数估计及其在美国儿童身高和年龄体重标准化中的应用。J.R.Stat.Soc.C（应用统计）48（4），533-551（1999）·Zbl 1058.62520号
[17] Heagerty，P.J.，Zheng，Y.：生存模型预测准确性和ROC曲线。生物统计学61，92-105（2005）·Zbl 1077.62077号 ·doi:10.1111/j.0006-341X.2005.030814.x
[18] Heagerty，P.J.、Lumley，T.、Pepe，M.S.：截尾生存数据和诊断标记的时间依赖ROC曲线。生物统计学56，337-344（2000）·Zbl 1060.62622号 ·文件编号：10.1111/j.0006-341X.2000.00337.x
[19] Hung，H.，Chiang，C.T.：具有生存数据的时间依赖AUC模型的估计方法。可以。《美国联邦法律大全》38（1），8-26（2010）·Zbl 1190.62084号
[20] Hung，H.，Chiang，C.T.：ROC曲线下含时局部面积的非参数方法。J.统计计划。推断141（12），3829-3838（2011）·Zbl 1235.62134号 ·doi:10.1016/j.jspi.2011.06.025
[21] Lee，M.，Cronin，K.A.，Gail，M.H.，Feuer，E.J.：使用基于人群的癌症登记数据预测死于结直肠癌和其他原因的绝对风险。Stat.Med.31（5），489-500（2012）·doi:10.1002/sim.4454
[22] Li，J.，Ma，S.：不同审查模式下的时间依赖ROC分析。Stat.Med.30，1266-1277（2011年）·数字对象标识代码：10.1002/sim.4033
[23] Pencina，M.J.，D’Agostino，R.B.Sr.，D‘Agostina，R.B.Jr.，Vasan，R.S.：评估新标记物的附加预测能力：从ROC曲线下的区域到重新分类及以后。Stat.Med.27（2），157-172（2008）·doi:10.1002/sim.2929
[24] Pepe，M.S.：分类和预测医学测试的统计评估。牛津大学出版社，牛津（2004）·Zbl 1114.62123号
[25] Pepe，M.S.，Zheng，Y.，Jin，Y.，Huang，Y.，Parikh，C.R.，Levy，W.C.：评估标记在未来赛事中的ROC表现。寿命数据分析。14, 86-113 (2008) ·Zbl 1169.62385号 ·doi:10.1007/s10985-007-9073-x
[26] Pepe，M.S.、Kerr，K.F.、Longton，G.、Wang，Z.：预测模型性能改进测试。预打印可在http://www.bepress.com/uwbiostat/paper379/ (2011)
[27] Rizopoulos，D.：纵向和时间-事件数据联合模型中的动态预测和预期准确性。生物统计学67，819-829（2011）·Zbl 1226.62124号 ·文件编号：10.1111/j.1541-0420.2010.01546.x
[28] Saha，P.，Heagerty，P.J.：存在竞争风险时的时间依赖性预测准确性。生物统计学66，999-1011（2010）·Zbl 1274.62865号 ·文件编号：10.1111/j.1541-0420.2009.01375.x
[29] Saha-Chaudhuri，P.，Heagerty，P.J.：时间相关预测准确性曲线的非参数估计。生物统计学14，42-59（2013）·doi:10.1093/biostatistics/kxs021
[30] Satten，G.A.，Datta，S.：Kaplan-Meier估计量作为敏感加权平均数的逆概率。《美国统计》第55卷第3期，第207-210页（2001年）·Zbl 1182.62191号 ·doi:10.1198/000313001317098185
[31] Slate，E.H.，Turnbull，B.W.：疾病发病纵向生物标志物的统计模型。《统计医学》第19卷第4期，第617-637页（2000年）·doi:10.1002/（SICI）1097-0258（20000229）19:4<617:：AID-SIM360>3.0.CO；2-右
[32] Song，X.，Zhou，X.H.：具有生存结果的协变量特定ROC曲线的半参数方法。统计正弦。18, 947-965 (2008) ·Zbl 05361939号
[33] Song，X.，Zhou，X.H.，Ma，S.：基于非参数接收器操作特征的生存结果评估。Stat.Med.31（23），2660-2675（2012）·doi:10.1002/sim.5386
[34] Subtil，F.，Pouteil Noble，C.，Toussaint，S.，Villar，E.，Rabilloud，M.：一种简单的无建模方法可以准确估计纵向疾病生物标志物的敏感性和特异性。《医学方法》48299-305（2009）·doi:10.3414/ME0583
[35] Tsiatis，A.A.，Davidian，M.：纵向和时间-事件数据的联合建模：概述。统计正弦。14(3), 809-834 (2004) ·Zbl 1073.62087号
[36] Uno，H.，Cai，T.，Tian，L.，Wei，L.J.：使用删失回归模型评估T年幸存者的预测规则。《美国统计协会期刊》102（478），527-537（2007）·Zbl 1172.62327号 ·doi:10.1198/0162145000000149
[37] Viallon，V.，Latouche，A.：生存结果的区分措施：AUC和预测曲线之间的关系。生物。J.53，217-236（2011）·兹比尔1209.62337 ·doi:10.1002/bimj.201000153
[38] Xu，R.，O'Quigley，J.：条件生存函数的比例风险估计。J.R.Stat.Soc.B（Stat.Methodol.）62（4），667-680（2000）·Zbl 0957.62082号
[39] Zheng，Y.，Heagerty，P.J.：纵向标记数据时间相关ROC曲线的半参数估计。生物统计学5（4），615-632（2004）·Zbl 1069.62106号 ·doi:10.1093/biostatistics/kxh013
[40] Zheng，Y.，Heagerty，P.J.：纵向数据的部分条件生存模型。生物统计学61（2），379-391（2005）·Zbl 1077.62090号 ·文件编号：10.1111/j.1541-0420.2005.00323.x
[41] Zheng，Y.，Heagerty，P.J.：纵向标记的预期准确性。生物统计学63，332-341（2007）·Zbl 1140.62086号 ·doi:10.1111/j.1541-0420.2006.00726.x
[42] Zheng，Y.、Cai，T.、Jin，Y.和Feng，Z.：评估生物标记物在竞争风险下的预测准确性·Zbl 1251.62054号 ·doi:10.1111/j.1541-0420.2011.01671.x
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。