论文部分内容阅读
在医学诊断中,生物标志物通常被用来作为一种诊断工具,以识别出患有某种疾病的患者。由于单个生物标志物的诊断精度往往不高,因此为了提高诊断精度,通常需要联合多个生物标志物进行综合诊断。在ROC曲线下方面积(area under the ROC curve,AUC)或Youden指数的评价准则下,文献中已有一些生物标志物的联合诊断方法,如基于正态假设的参数方法和无需分布假设的min-max、stepwise以及pairwise等非参数方法。文献表明参数方法在非正态情形表现较差,而相对于stepwise以及pairwise方法,min-max方法有计算速度快且稳健等优势,但在一些情形其诊断精度往往大大低于其它三种方法,如对称分布。注意到min-max方法只使用了多个生物标志物的最大值和最小值,缺失了个体指标的平均水平信息,而且所采用的数据规格化方法受样本量的影响较大。本文提出了min-max方法的一种改进方法:新定义了一种数据规格化的方法(对照标准化),对多个生物标志物对照标准化后的数据,将其最大值、最小值和截尾均值进行线性组合,记作minmax-trim方法,并分别在AUC和Youden指数准则下模拟比较了新方法的诊断性能。文章结构如下:第2章介绍了minmax-trim组合方法以及其它四种方法在AUC准则下的具体算法,并对这五种组合方法进行了模拟研究。模拟结果显示:minmaxtrim方法提高了min-max方法的AUC,尤其是在正态情形下更为明显;相对于stepwise方法和pairwise方法,minmax-trim方法运行时间更短,而且在大多非正态情形下,其AUC大于stepwise以pairwise方法的AUC;在正态情形,minmax-trim方法的AUC能较接近于基于正态假设的参数方法和stepwise方法。第3章主要考虑了第2章中的五种组合方法在Youden指数准则下的算法及其表现,并通过模拟进行对比分析。模拟结果表明,在多元正态情形下stepwise方法效果最好,但minmaxtrim方法得到的Youden指数与其很接近,且所需时间更短;在其他分布情形下,minmax-trim方法均表现很好。第4章是将新提出的方法应用到APS数据、生长相关激素数据和胎儿生长数据。