Linear combinations of biomarkers to improve diagnostic accuracy with three ordinal diagnostic categories.
Linear combinations of biomarkers to improve diagnostic accuracy with three ordinal diagnostic categories.
复制标题
DOI：
10.1002/sim.5542
复制
发表时间：
2013-02-20
影响因子：
2
通讯作者：
Tian, Lili
中科院分区：
文献类型：
--
作者：
Kang, Le;Xiong, Chengjie;Crane, Paul;Tian, Lili
许多研究人员已经解决了寻找生物标志物的最佳线性组合的问题，以最大化具有二元疾病状态的情况下的受试者工作特征（ROC）曲线下面积。在实践中，许多疾病过程，如阿尔茨海默病，可以自然地分为三个诊断类别，如正常，轻度认知障碍和阿尔茨海默病（AD），并为这些疾病的ROC表面下的体积（VUS）是最常用的诊断准确性指标。在这篇文章中，我们提出了一些参数和非参数的方法来解决这个问题，找到最佳的线性组合，以最大限度地提高VUS。我们进行了模拟研究，以调查所提出的方法的性能。我们将所有的研究方法应用于早期AD队列研究的真实的数据集。
Many researchers have addressed the problem of finding the optimal linear combination of biomarkers to maximize the area under receiver operating characteristic (ROC) curves for scenarios with binary disease status. In practice, many disease processes such as Alzheimer can be naturally classified into three diagnostic categories such as normal, mild cognitive impairment and Alzheimer’s disease (AD), and for such diseases the volume under the ROC surface (VUS) is the most commonly used index of diagnostic accuracy. In this article, we propose a few parametric and nonparametric approaches to address the problem of finding the optimal linear combination to maximize the VUS. We carried out simulation studies to investigate the performance of the proposed methods. We apply all of the investigated approaches to a real data set from a cohort study in early stage AD.
登录
查看更多内容
影响因子：
1.7
作者：
Xiong, Chengjie;van Belle, Gerald;Morris, John C.
通讯作者：
Morris, John C.
影响因子：
2
作者：
Xiong, CJ;van Belle, G;Morris, JC
通讯作者：
Morris, JC
影响因子：
2
作者：
Liu, Chunling;Liu, Aiyi;Halabi, Susan
通讯作者：
Halabi, Susan
影响因子：
0.8
作者：
Jin, Hua;Lu, Ying
通讯作者：
Lu, Ying
影响因子：
10.6
作者：
He, Xin;Frey, Eric. C.
通讯作者：
Frey, Eric. C.