基于Youden指数的生物标志物组合,有和没有黄金标准

科学领域:

• 生物统计学 生物统计学
• 医学诊断 医学诊断 医学诊断
• 生物信息学是一种生物信息学.

背景情况:

• 临床实践通常涉及多个生物标志物用于疾病诊断.
• 结合生物标志物可以提高诊断准确度.
• 现有的生物标志物组合方法存在局限性,例如假设完美的黄金标准或特定的数据分布.

研究的目的:

• 提出一种两阶段的方法,以确定多个生物标志物的最佳线性组合和切割值.
• 在实践环境中提高诊断准确度,因为参考测试可能是不完美的.
• 开发一种可用于各种诊断场景的可靠方法.

主要方法:

• 建议采用两阶段的方法:首先,最大化ROC曲线 (AUC) 下的近似经验面积,以估计最佳的线性系数.
• 其次,最大限度地利用实证的尤登指数来确定最佳的分类切断点.
• 该方法基于半参数单指数模型.

主要成果:

• 线性系数,切割点和尤登指数的拟议估计器在规律性条件下被证明是一致的.
• 该方法表明适用性,即使参考标准是不完美的.
• 通过模拟和应用于中医诊断尺度的应用来验证性能.

结论:

• 开发的两阶段方法为结合多个生物标志物和建立最佳切割值提供了强大的方法.
• 这种方法提高了诊断准确度,并且适用于现实世界的临床环境,包括具有不完美的参考标准的临床环境.
• 该方法具有多功能性,并且在开发诊断尺度的现实应用中被证明是有效的.