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。
