共查询到10条相似文献,搜索用时 875 毫秒
1.
2.
目的针对重复测量诊断数据,为同时考虑协变量对诊断试验准确性评价的影响,度量重复测量数据间的相关性,本文探索新的ROC曲线的建模方法。方法通过广义线性混合效应模型对ROC曲线进行模拟,并采用贝叶斯参数估计方法,利用Win BUGS软件予以实现,进而计算不同协变量取值下的ROC曲线下面积(AUC)以对诊断试验结果进行评价。结果实例数据分析结果表明,基于广义线性混合效应模型的ROC曲线建模方法可以有效地刻画重复测量诊断试验数据,给出更有解释意义的回归参数,提供临床分析的参考依据。结论基于广义线性混合效应的ROC曲线模型在解决重复测量诊断试验的准确度评价问题起着至关重要的作用。 相似文献
3.
连续变量诊断试验数据的ROC分析 总被引:2,自引:2,他引:2
目的 介绍一种连续诊断变量的ROC回归模型,以及在独立和相关结构下的参数估计方法,给出参数误差估计的Bootstrap方法。方法 应用SAS软件中的GENMOD过程和SAS语言编写的程序实现上述过程,并通过实例说明其应用效果。结果 利用ROC曲线方程,可以扣除协变量对诊断试验结果评价的影响,并能够计算出在不同协变量取值下的ROC曲线下面积,提供更为丰富和可靠的信息。结论 文中给出的ROC回归模型可以有效地用于连续变量诊断试验数据的ROC分析。 相似文献
4.
《中国卫生统计》2017,(1)
目的针对重复测量诊断数据,为同时考虑协变量对诊断试验准确性评价的影响,度量重复测量数据间的相关性,本文探索新的ROC曲线的建模方法。方法通过广义线性混合效应模型对ROC曲线进行模拟,并采用贝叶斯参数估计方法,利用Win BUGS软件予以实现,进而计算不同协变量取值下的ROC曲线下面积(AUC)以对诊断试验结果进行评价。结果实例数据分析结果表明,基于广义线性混合效应模型的ROC曲线建模方法可以有效地刻画重复测量诊断试验数据,给出更有解释意义的回归参数,提供临床分析的参考依据。结论基于广义线性混合效应的ROC曲线模型在解决重复测量诊断试验的准确度评价问题起着至关重要的作用。 相似文献
5.
6.
7.
目的 探讨不同方差比双正态参数估计时样本量确定方法的准确性,对最常用样本量估计方法--双正态法所估计样本量的准确性进行评价与修正.方法 采用Monte Carlo模拟试验,分别利用参数法和非参数法计算获得曲线下面积的参数估计值,获得实际所需样本量,对Obuchowski和Mcclish给出的不同方差比双正态ROC参数估计所需样本量的准确性进行评价,依据试验数据采用曲线拟合方法给出修正公式.结果 Obuchowski和Mcclish给出的方法是假定患病组诊断变量XA和非患病组诊断变量XN服从正态分布,样本量计算公式是以ROC曲线下面积估计值服从正态分布为前提导出的,但事实上随ROC曲线实际面积θ逐渐增大,样本估计量偏离正态,导致样本量估计结果不够准确,与实际样本需要量有一定差距.在其他条件相同的情况下,患病组与非患病组诊断变量方差比越大实际所需样本量越多,在患病组与非患病组诊断变量方差比分别为2∶1及3∶1的情况下,用Obuchowski和Mcclish方法计算出的样本量与实际所需样本量相差不是很大.根据Monte Carlo模拟试验的结果,给出了Obuchowski和Mcclish方法计算样本量的修正公式,该修正公式可有效地应用于实际.结论 Obuchowski和Mcclish方法计算的样本量进行ROC参数估计时需要调整,采用Monte Carlo方法估计的样本量,可以有效地进行双正态ROC参数估计,达到诊断试验评价要求. 相似文献
8.
9.