クラスター化されたROC曲線データのノンパラメトリック分析

診断テストの精度を推定するための現在の方法には、サンプルのテスト結果が独立している必要があります。ただし、同じ患者から複数のテスト結果がある場合は非常に一般的です。そのような場合、診断テストの精度の推定と推論は、クラスター内相関を説明する必要があります。本論文では、Delong、Delong、およびClarke-Pearson（1988、Biometrics 44、837-844）の構造コンポーネント法は、概念を組み込んだクラスターデータの受信機動作特性（ROC）曲線領域の推定に拡張されています。クラスタリングされたバイナリデータのために、Rao and Scott（1992、Biometrics 48、577-585）が使用する設計効果と効果的なサンプルサイズの。モンテカルロシミュレーション研究の結果は、クラスター内相関の存在下で独立性が膨らんでいると仮定する統計テストのサイズが膨らんだことを示しています。一方、提案された方法は、真の疾患の状態とテスト結果間の相関、例えばさまざまな激しい栄誉内相関を適切に処理します。さらに、この方法は、連続テスト結果と順序テスト結果の両方に適用できます。クラスター化されたデータを使用した将来の研究のサンプルサイズ要件を推定するための戦略について説明します。

Current methods for estimating the accuracy of diagnostic tests require independence of the test results in the sample. However, cases in which there are multiple test results from the same patient are quite common. In such cases, estimation and inference of the accuracy of diagnostic tests must account for intracluster correlation. In the present paper, the structural components method of DeLong, DeLong, and Clarke-Pearson (1988, Biometrics 44, 837-844) is extended to the estimation of the Receiver Operating Characteristics (ROC) curve area for clustered data, incorporating the concepts of design effect and effective sample size used by Rao and Scott (1992, Biometrics 48, 577-585) for clustered binary data. Results of a Monte Carlo simulation study indicate that the size of statistical tests that assume independence is inflated in the presence of intracluster correlation. The proposed method, on the other hand, appropriately handles a wide variety of intracluster correlations, e.g., correlations between true disease statuses and between test results. In addition, the method can be applied to both continuous and ordinal test results. A strategy for estimating sample size requirements for future studies using clustered data is discussed.