Adjusting for covariate effects on classification accuracy using the covariate-adjusted receiver operating characteristic curve
利用协变量调整 ROC 曲线评估分类准确性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究诊断分类准确性的协变量调整，未直接涉及给定的计量领域细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用协变量调整 ROC 曲线评估分类准确性
- 研究问题
- 评估疾病筛查或诊断标志物时，如何调整受试者特征、操作人员及检测流程等协变量对分类准确性的影响？
- 方法与思路
- 作者提出协变量调整的 ROC 曲线，构造非参数和半参数估计量，并提供渐近分布理论及有限样本考察。
- 材料陈述的贡献
- 摘要称，该曲线提供协变量调整后的分类准确性度量，并以年龄调整后的前列腺特异性抗原判别能力作为示例。
- 阅读关注点
- 应核对调整后 ROC 的目标定义、协变量如何进入估计、两类估计量所需条件，以及不确定性量化与应用解释。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明曲线的具体定义和估计条件，不能推断后续刊本变化。
原文摘要
Recent scientific and technological innovations have produced an abundance of potential markers that are being investigated for their use in disease screening and diagnosis. In evaluating these markers, it is often necessary to account for covariates associated with the marker of interest. Covariates may include subject characteristics, expertise of the test operator, test procedures or aspects of specimen handling. In this paper, we propose the covariate-adjusted receiver operating characteristic curve, a measure of covariate-adjusted classification accuracy. Nonparametric and semiparametric estimators are proposed, asymptotic distribution theory is provided and finite sample performance is investigated. For illustration we characterize the age-adjusted discriminatory accuracy of prostate-specific antigen as a biomarker for prostate cancer.