资源描述：
《医学诊断试验评价的ROC分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、中国医院统计2001年3月第8卷第1期·3··论著·＊医学诊断试验评价的ROC分析———重复测量诊断数据的ROC曲线李康魏韦王滨友赵亚双【摘要】目的探讨诊断试验中重复有序分类测量数据的ROC分析方法。方法在有序模型基础上构造相应的ROC模型,然后选用累积logistic模型作为联系函数,采用GEE方法进行参数估计。结果通过累积logistic模型的参数估计,能够得到ROC曲线方程、ROC曲线下面积及标准误。结论上述方法能够对影像诊断试验中常见的重复测量数据进行有效地分析与处理。【关键词】诊断试验ROC曲线重
2、复测量logistic模型TheROCAnalysisforEvaluationofDiagnosticAccuacyinRepeatedMeasurementsLiKang,WeiWei,WangBiny-ou,etal.,HarbinMedicalUniversity,Harbin150001【Abstract】ObjectiveToexploretheROCanalysismethodsforrepeatedordinalcategoricaldataindiagnostictest.MethodsR
3、OCmodelsaregivenbasedonordinalregressionmodels,andcumulativelogisticmodelsareusedasthelinkfunction.Theparameterscanbeestimatedbyusinggeneralizedestimatingequations(GEE)method.ResultsROCcurveequation,areasundertheROCcurveandstandarderrorareestimatedbythecum
4、ulativelogisticmodels.ConclusionThemethodsinthispapercananalyzeandprocesseffectivelytherepeatedmeasuresdataintheimagediagnostictest.【Keywords】DiagnostictestROCcurveRepeatedmeasurementLogisticmodels在医学影像诊断等领域,临床诊断结果通常按D看作解释变量,取值为-1或1,D=-1表示“正照“正常,基本正常,可疑,非常
5、可疑,异常”等不同等常”,D=1表示“不正常”;将每个医生的诊断结果级对患者进行分类,对这类数据的处理可以采用目Yk(k=1,2,…,m)看作具有g个分类等级的有序前流行的ROC分析方法。为了准确评价某一诊断反应变量,考虑有序概率模型方法的准确度,试验常以重复测量的方式进行,即由P(Y≥cD,X)=F(αc+βD+γ′X+δ′XD)不同医生对同一患者的影像作出诊断,最后数据放(1)在一起综合分析。由于医生间的诊断结果由同一患其中c=1,2,…,g-1,αc是与其有关的常数项;β者身上得到,重复测量数据间彼此
6、不独立,数据不能为效应参数,直观上看它表示是否患病对测量结果按照普通的ROC分析方法进行处理。本文给出适的影响,实际反映了测量结果对疾病的区分能力;向合多种试验设计类型数据分析的ROC模型和模型量X=(X1,X2,…,Xp)′是其它p个协变量,γ′=参数估计的广义估计方程算法,并以累积logistic模(γ1,γ2,…,γp)是p个协变量的混杂效应参数。如型作为联系函数给出具体的应用方法。果分别用TP(true-negative)和FP(false-positive)1用于ROC分析的一般模型表示诊断的真阳
7、性率和假阳性率,将灵敏度(TP)和重复测量诊断数据的基本形式如表1。特异度(1-FP)结合在一起考虑,可以给出如下模表1诊断试验ROC资料的格式型患者编号“金标准”协变量重复测量的诊断变量(Y)TPc=F(αc+β+γ′X+δ′X)iDX1X2…XpY1Y2…Ym(2)FPc=F(αc-β+γ′X-δ′X)1d1x11x12…x1py11y12…y1m2d2x21x22…x2py21y22…y2mF(·)为某一特定的概率函数,(2)式称为ROC模3d3x31x32…x3py31y32…y3m型。模型中γ′表
8、示协变量对测量结果的影响,δ′则……表示协变量对诊断准确性的干扰。NdNxN1xN2…xNpyN1yN2…yNm作者单位:150001哈尔滨医科大学卫生统计学教研室建模的方法是,把按“金标准”诊断的真实结果＊国家自然科学基金资助项目(30040039)·4·中国医院统计2001年3月第8卷第1期N从(2)式消去αc,则ROC曲线方程为-1u(θ)=∑D′iVi[Yi-πi]=0(4)i=1TP=(
