为了准确识别颈动脉斑块的重要生物标志物,在改进生物标志物所包含信息量的度量方法的基础上,通过向前逐步回归建立了基于变换AUC(Transformed area under curve)的颈动脉斑块稳定性预测模型。首先,在ROC(Receiver operating characteri...为了准确识别颈动脉斑块的重要生物标志物,在改进生物标志物所包含信息量的度量方法的基础上,通过向前逐步回归建立了基于变换AUC(Transformed area under curve)的颈动脉斑块稳定性预测模型。首先,在ROC(Receiver operating characteristic)空间提出变换AUC,并给出该指标在双正态分布模型和自由分布模型下的估计方法;然后,使用R统计软件,对比分析变换AUC与AUC等常用评估指标对非传统生物标志物的评估性能;最后,基于浙江医院提供的影像数据,利用变换AUC度量生物标志物的信息量,使用向前逐步回归筛选模型的方法建立高精度的颈动脉斑块稳定性预测模型。研究结果表明,该颈动脉斑块稳定性预测模型的AUC值达到0.9以上,能够准确识别斑块的稳定性,为临床医师对患者进行个性化诊疗提供更精准的参考依据。展开更多
为了进一步提高pAUC(Partial area under curve)估计精度和医学诊断测试精确性,提出了一种基于密度比模型的pAUC半参数估计方法,并从理论和仿真两个方面研究其性质。首先,根据密度比模型,用半参数极大似然估计方法得到了pAUC半参数估计...为了进一步提高pAUC(Partial area under curve)估计精度和医学诊断测试精确性,提出了一种基于密度比模型的pAUC半参数估计方法,并从理论和仿真两个方面研究其性质。首先,根据密度比模型,用半参数极大似然估计方法得到了pAUC半参数估计量,并用大样本理论分析了它的统计性能;然后,对pAUC半参数估计方法在实际应用中的性能进行了仿真,并与现有精度较高的pAUC非参数估计方法进行比较。研究发现,pAUC半参数估计量不仅具有相合渐近正态性等重要的统计性质,而且比已有的非参数pAUC估计量具有更高的渐近估计效率和精确度。将该pAUC半参数估计方法应用于乳腺癌诊断模型的筛选,得到了一个预测精度更高的新乳腺癌诊断模型,结果表明该方法在实际应用中能提高医学诊断测试的精度。展开更多
文摘为了准确识别颈动脉斑块的重要生物标志物,在改进生物标志物所包含信息量的度量方法的基础上,通过向前逐步回归建立了基于变换AUC(Transformed area under curve)的颈动脉斑块稳定性预测模型。首先,在ROC(Receiver operating characteristic)空间提出变换AUC,并给出该指标在双正态分布模型和自由分布模型下的估计方法;然后,使用R统计软件,对比分析变换AUC与AUC等常用评估指标对非传统生物标志物的评估性能;最后,基于浙江医院提供的影像数据,利用变换AUC度量生物标志物的信息量,使用向前逐步回归筛选模型的方法建立高精度的颈动脉斑块稳定性预测模型。研究结果表明,该颈动脉斑块稳定性预测模型的AUC值达到0.9以上,能够准确识别斑块的稳定性,为临床医师对患者进行个性化诊疗提供更精准的参考依据。
文摘为了进一步提高pAUC(Partial area under curve)估计精度和医学诊断测试精确性,提出了一种基于密度比模型的pAUC半参数估计方法,并从理论和仿真两个方面研究其性质。首先,根据密度比模型,用半参数极大似然估计方法得到了pAUC半参数估计量,并用大样本理论分析了它的统计性能;然后,对pAUC半参数估计方法在实际应用中的性能进行了仿真,并与现有精度较高的pAUC非参数估计方法进行比较。研究发现,pAUC半参数估计量不仅具有相合渐近正态性等重要的统计性质,而且比已有的非参数pAUC估计量具有更高的渐近估计效率和精确度。将该pAUC半参数估计方法应用于乳腺癌诊断模型的筛选,得到了一个预测精度更高的新乳腺癌诊断模型,结果表明该方法在实际应用中能提高医学诊断测试的精度。
