The receiver operating characterist

The receiver operating characteristic (ROC) curve is used to evaluate a biomarker’s ability for classifying disease status. The Youden Index (J), the maximum potential effectiveness of a biomarker, is a common summary measure of the ROC curve. In biomarker development, levels may be unquantifiable below a limit of detection (LOD) and missing from the overall dataset. Disregarding these observations may negatively bias the ROC curve and thus J. Several correction methods have been suggested for mean estimation and testing; however, little has been written about the ROC curve or its summary measures. We adapt non-parametric (empirical) and semi-parametric (ROC-GLM [generalized linear model]) methods and propose parametric methods (maximum likelihood (ML)) to estimate J and the optimal cut-point (c*) for a biomarker affected by a LOD. We develop unbiased estimators of J and c* via ML for normally and gamma distributed biomarkers. Alpha level confidence intervals are proposed using delta and bootstrap methods for the ML, semi-parametric, and non-parametric approaches respectively. Simulation studies are conducted over a range of distributional scenarios and sample sizes evaluating estimators’ bias, root-mean square error, and coverage probability; the average bias was less than one percent for ML and GLM methods across scenarios and decreases with increased sample size. An example using polychlorinated biphenyl levels to classify women with and without endometriosis illustrates the potential benefits of these methods. We address the limitations and usefulness of each method in order to give researchers guidance in constructing appropriate estimates of biomarkers’ true discriminating capabilities.

ผลลัพธ์ (ไทย) 1:

เส้นโค้ง (ROC) ลักษณะการทำงานรับใช้เพื่อประเมินความไบโอมาร์คเกอร์เป็นประเภทสถานะโรค Youden ดัชนี (J), เป็นไบโอมาร์คเกอร์ เกิดประสิทธิภาพสูงสุดเป็นการวัดสรุปทั่วไปของเส้นโค้ง ROC ในการพัฒนาไบโอมาร์คเกอร์ ระดับอาจ unquantifiable ขีดจำกัดของการตรวจสอบ (ลอด) และหายไปจากชุดข้อมูลโดยรวม โดยสังเกตเหล่านี้อาจลบ bias เส้นโค้ง ROC และเจ มีการแนะนำวิธีการแก้ไขหลายวิธีสำหรับการประเมินเฉลี่ยและการทดสอบ อย่างไรก็ตาม น้อยได้รับการเขียนเกี่ยวกับเส้นโค้ง ROC ของสรุปมาตรการการ เราปรับไม่ใช่พาราเมตริก (ประจักษ์) และกึ่งพาราเมตริก (ROC-GLM [เมจแบบทั่วไปแบบจำลองเชิงเส้น]) วิธี และเสนอวิธีพาราเมตริก (สูงสุดโอกาส (มล)) การประเมิน J สุดตัดจุด (c *) ไบโอมาร์คเกอร์ที่ได้รับผลกระทบ โดยการลอด เราพัฒนาคน estimators J และ c * ผ่าน ML สำหรับปกติ และแกมมากระจาย biomarkers ช่วงความเชื่อมั่นระดับอัลฟาเสนอใช้ส่วนที่แตกต่างและวิธีการเริ่มต้นระบบ ML กึ่งพาราเมตริก และใกล้ถึงไม่ใช่พาราเมตริกตามลำดับ ดำเนินการศึกษาการจำลองช่วงของสถานการณ์ขึ้นและขนาดตัวอย่างที่ประเมินของ estimators อคติ รากหมายถึงตารางข้อผิดพลาด และความน่า เป็นครอบคลุม ความโน้มเอียงเฉลี่ยไม่น้อยกว่าหนึ่งเปอร์เซ็นต์สำหรับวิธี ML และ GLM สถานการณ์และลดขนาดตัวอย่างเพิ่มขึ้น ตัวอย่างที่ใช้ระดับ polychlorinated biphenyl เพื่อจัดประเภทหญิงมี และไม่ มี endometriosis แสดงประโยชน์ศักยภาพของวิธีการเหล่านี้ เราอยู่ข้อจำกัดและประโยชน์ของแต่ละวิธีเพื่อที่จะให้คำแนะนำในการสร้างการประเมินที่เหมาะสมของ biomarkers ของจริงรับการจำแนกความสามารถของนักวิจัย

ผลลัพธ์ (ไทย) 2:

รับลักษณะการดำเนินงาน (ROC) ถูกนำมาใช้ในการประเมินความสามารถของตัวบ่งชี้สำหรับการจำแนกสถานะโรค ดัชนี Youden (J) ที่มีประสิทธิภาพที่มีศักยภาพสูงสุดของตัวบ่งชี้ที่เป็นตัวชี้วัดสรุปร่วมกันของเส้นโค้ง ROC ในการพัฒนาตัวบ่งชี้ระดับอาจจะ unquantifiable กว่าขีด จำกัด ของการตรวจสอบ (LOD) และหายไปจากชุดข้อมูลโดยรวม ไม่คำนึงถึงการสังเกตเหล่านี้ในเชิงลบอาจอคติโค้ง ROC และทำให้เจวิธีการแก้ไขหลายคนได้รับการแนะนำสำหรับการประมาณค่าเฉลี่ยและการทดสอบ แต่น้อยได้รับการเขียนเกี่ยวกับเส้นโค้ง ROC หรือมาตรการสรุปของ เราปรับตัวเข้ากับที่ไม่ใช่ตัวแปร (เชิงประจักษ์) และกึ่งพารา (ROC-GLM [แบบจำลองเชิงเส้นทั่วไป]) วิธีการและนำเสนอวิธีการตัวแปร (ความน่าจะเป็นสูงสุด (ML)) เพื่อประเมิน J และตัดจุดที่ดีที่สุด (ค *) สำหรับใช้เป็นตัว ผลกระทบจากล็อด เราพัฒนาประมาณเป็นกลางของเจคและผ่าน * ML สำหรับตามปกติและ biomarkers แกมมากระจาย ช่วงความเชื่อมั่นระดับอัลฟาจะเสนอให้ใช้เดลต้าและวิธีการบูตสำหรับ ML กึ่งพาราและวิธีการที่ไม่เป็นตัวแปรตามลำดับ การศึกษาแบบจำลองจะดำเนินการในช่วงที่สถานการณ์การกระจายและขนาดตัวอย่างอคติประเมินประมาณ 'รากหมายถึงข้อผิดพลาดของตารางและความน่าจะเป็นความคุ้มครอง; อคติเฉลี่ยน้อยกว่าร้อยละหนึ่งสำหรับ ML และวิธีการ GLM ทั่วสถานการณ์และลดขนาดของกลุ่มตัวอย่างที่มีเพิ่มขึ้น ตัวอย่างการใช้ระดับ polychlorinated biphenyl การจำแนกผู้หญิงที่มีและไม่มี endometriosis แสดงให้เห็นถึงประโยชน์ของว​​ิธีการเหล่านี้ เราอยู่ที่ข้อ จำกัด และประโยชน์ของแต่ละวิธีเพื่อที่จะให้คำแนะนำนักวิจัยในการสร้างประมาณการที่เหมาะสมของ biomarkers 'ความสามารถในการจำแนกความจริง

ผลลัพธ์ (ไทย) 3:

รับทำงานลักษณะโค้ง ( ROC ) ใช้ประเมินความสามารถของไบโอมาร์คเกอร์สำหรับการจำแนกภาวะโรค ดัชนี youden ( J ) , ศักยภาพสูงสุดประสิทธิภาพของไบโอมาร์คเกอร์เป็นร่วมกันสรุปการวัดผลโค้ง ในการพัฒนาไบโอมาร์คเกอร์ ระดับอาจจะไม่สามารถหาค่าได้ด้านล่างขีด จำกัด ของการตรวจหา ( LOD ) และหายไปจากข้อมูลโดยรวมเรื่องข้อสังเกตเหล่านี้อาจอคติเชิงลบโค้ง ROC และเจหลายวิธีการแก้ไขได้แนะนำสำหรับการประมาณค่าเฉลี่ยและการทดสอบ อย่างไรก็ตาม เล็ก ๆน้อย ๆที่ได้รับการเขียนเกี่ยวกับโค้ง ROC หรือสรุปมาตรการเราปรับที่ไม่ใช้พารามิเตอร์ ( เชิงประจักษ์ ) และกึ่งพารามิเตอร์ ( roc-glm [ ทั่วไป ] เชิงเส้นรูปแบบและพารามิเตอร์ ( ) วิธีการนำเสนอวิธีความน่าจะเป็นสูงสุด ( มิลลิลิตร ) เพื่อประมาณการ J และจุดตัดที่เหมาะสม ( C * ) สำหรับไบโอมาร์คเกอร์ที่ได้รับผลกระทบ โดยลด . เราพัฒนาแบบประมาณ J และ C * ผ่าน ml ปกติและแกมมาเผยแพร่ใหม่ .ระดับอัลฟาความเชื่อมั่นเสนอใช้วิธีบูตสแตรปสำหรับ Delta และ ML กึ่งพารามิเตอร์และไม่ใช้พารามิเตอร์วิธีตามลำดับ ผลการศึกษาจะดำเนินการช่วงของสถานการณ์และประเมินสุ่มขนาดตัวอย่างประมาณ ' อคติ รากค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง และความน่าจะเป็นของความคุ้มครองอคติโดยเฉลี่ยน้อยกว่าร้อยละหนึ่งต่อมิลลิลิตรและวิธีการ glm ผ่านสถานการณ์และลดลงเมื่อเพิ่มขนาดตัวอย่าง ตัวอย่างการใช้โพลีคลอริเนทเต็ดไบฟีนิลระดับแบ่งเป็นหญิงที่มีและไม่มีบทบาทที่แสดงให้เห็นถึงประโยชน์ของวิธีการเหล่านี้เราแก้ไขข้อจำกัดและประโยชน์ของแต่ละวิธีเพื่อให้คำแนะนำที่เหมาะสมในการสร้างนักวิจัยประมาณการใหม่จริงจำแนกความสามารถ