Semiparametric Receiver Operating Characteristic Analysis to Evaluate Biomarkers for Disease
评价疾病生物标志物的半参数ROC分析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：摘要研究诊断准确性的ROC回归，未涉及经济离散选择模型、因果效应或其他所列细分。
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
评价疾病生物标志物的半参数ROC分析
- 研究问题
- 在带协变量的ROC回归中，如何放宽基线函数的参数限制，并在增加灵活性的同时开展统计推断和效率比较？
- 方法与思路
- 作者把既有ROC回归的有限维基线扩展为任意非参数基线，提供渐近分布与推断程序，并用模拟和癌症标志物数据说明。
- 材料陈述的贡献
- 摘要称建立了半参数ROC回归的渐近推断理论；模拟提示增加基线灵活性仅伴随较小的统计效率损失。
- 阅读关注点
- 应核对非参数基线的估计方式、模型条件、协变量作用与推断程序，以及模拟中效率比较的参照和数据设定。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；具体条件、效率损失数值及应用结果未提供，不能将模拟陈述当作普遍保证。
原文摘要
The receiver operating characteristic (ROC) curve is a popular method for characterizing the accuracy of diagnostic tests when test results are not binary. Various methodologies for estimating and comparing ROC curves have been developed. One approach, due to Pepe, uses a parametric regression model ROCx(u) = g(h0(u) + θ'0x) with the baseline function h0(u) specified up to a finite-dimensional parameter. In this article we extend the regression models by allowing arbitrary nonparametric baseline functions. We also provide asymptotic distribution theory and procedures for making statistical inference. We illustrate our approach with dataset from a prostate cancer biomarker study. Simulation studies suggest that the extra flexibility inherent in the semiparametric method is gained with little loss in statistical efficiency.