Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Một ước lượng Wilcoxon có trọng số cho đường cong ROC theo biến đồng covariate
Tóm tắt
Đường cong nhận diện hoạt động (ROC) theo covariate là một công cụ quan trọng trong việc đánh giá độ chính xác phân loại của một bài kiểm tra chẩn đoán khi nó liên quan đến các biến đồng covariate nhất định. Trong bài báo này, một ước lượng Wilcoxon có trọng số được xây dựng để ước lượng đường cong này dưới khung mô hình vị trí-kích thước cho kết quả kiểm tra. Tính chất phân phối chuẩn tiệm cận được thiết lập cho cả ước lượng tham số hồi quy và ước lượng cho đường cong ROC theo covariate tại một điểm dương tính giả cố định. Kết quả mô phỏng cho thấy ước lượng Wilcoxon có sự so sánh tích cực với các đối thủ chính về độ lệch chuẩn, đặc biệt khi có các giá trị ngoại lệ trong các covariate. Như một minh họa, quy trình mới này được áp dụng cho dữ liệu về chứng mất trí từ trung tâm điều phối Alzheimer quốc gia.
Từ khóa
#ROC curve #diagnostic test #Wilcoxon estimator #covariate-specific analysis #asymptotic normality #dementia dataTài liệu tham khảo
Duan X G, Zhou X H. Composite quantile regression for the receiver operating characteristic curve. Biometrika, 2013, 100: 889–900
Faraggi D. Adjusting receiver operating characteristic curves and related indices for covariates. J Roy Statist Soc Ser D, 2003, 52: 179–192
González-Manteiga W, Pardo-Fernández J C, Van Keilegom I. ROC curves in nonparametric location-scale regression models. Scand J Statist, 2011, 38: 169–184
Heagerty P J, Pepe M S. Semiparametric estimation of regression quantiles with application to standardizing weight for height and age in US children. Appl Statist, 1999, 48: 533–551
Hettmansperger T P, Mckean J W. Robust Nonparametric Statistical Methods. New York: Wiley, 1998
Knight K. Limiting distributions for l 1 regression estimators under general conditions. Ann Statist, 1998, 26: 755–770
Leng C. Varible selection and coefficient estimation via regularized rank regression. Statist Sinica, 2010, 20: 167–181
Liu D P, Zhou X H. Nonparametric estimation of the covariate-specific ROC curve in presence of ignorable verification bias. Biometrics, 2011, 67: 906–916
Ma S G, Huang J. Regularized ROC method for disease classification and biomarker selection with microarray data. Bioinformatics, 2005, 21: 4356–4362
McKean J W. Robust analysis of linear models. Statist Sci, 2004, 19: 562–570
Pepe M S. A Regression modelling framework for receiver operating characteristic curves in medical diagnostic testing. Biometrika, 1997, 84: 595–608
Pepe M S. Three approaches to regression analysis of receiver operating characteristic curves for continuous test results. Biometrics, 1998, 54: 124–135
Pepe M S. Statistical Evaluation of Medical Tests for Classification and Prediction. Oxford: Oxford University Press, 2003
Sherman R. The limiting distribution of the maximum rank correlation estimator. Econometrica, 1993, 61: 123–137
Sievers G. A weighted dispersion function for estimation in linear models. Comm Statist Theory Methods, 1983, 12: 1161–1179
Terpstra J T, McKean J W. Rank-based analyses of linear models using R. J Statist Softw, 2005, 14: 1–26
Wang L, Li R Z. Weighted wilcoxon-type smoothly clipped absolute deviation method. J Amer Statist Assoc, 2009, 104: 1631–1645
Wang Y J, Chen H H, Li R Z, et al. Prediction-based structured variable selection through the receiver operating characteristic curves. Biometrics, 2011, 67: 896–905
Zheng Y, Heagerty P J. Semiparametric estimation of time-dependent ROC curves for longitudinal marker data. Biostatistics, 2004, 5: 615–632
Zhou X H, Obuchowski N A, McClish D K. Statistical Methods in Diagnostic Medicine, 2nd ed. New York: Wiley, 2011
Zou H, Yuan M. Composite quantile regression and the oracle model selection theory. Ann Statist, 2008, 36: 1108–1126