Quantile Comparison Functions in Two-Sample Problems, with Application to Comparisons of Diagnostic Markers
两样本分位数比较函数及其诊断标志物应用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：摘要明确以分位数比较函数开展两样本分布比较，直接对应分位数与分布效应方向。
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
两样本分位数比较函数及其诊断标志物应用
- 研究问题
- 面对删失或截断导致的不完整生存数据，如何比较两组分布，并将分位数比较方法用于诊断标志物的 ROC 分析？
- 方法与思路
- 作者在单点、有限多点及区间上考察垂直位移比较函数，分别构造控制百分位检验、卡方检验和 Kolmogorov 型检验。
- 材料陈述的贡献
- 摘要称，相关结果覆盖随机删失与随机截断模型，并通过蒙特卡洛模拟及卵巢癌数据展示检验和诊断比较的应用。
- 阅读关注点
- 阅读时应核对比较函数与分位数、ROC 的对应关系，以及删失和截断条件、各检验的校准方法与区间选择依据。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；所谓一般条件及模拟性能数值未提供，不能判断具体缺失机制下的有效性。
原文摘要
In this article a control percentile test, a chi-squared test, and a Kolmogorov-type test are proposed for comparing two distributions from incomplete survival data. These tests are obtained by examining a vertical shift comparison function at a single point, a finite number of points, and an entire set of points on an interval. The proposed methods also have applications in receiver operating characteristic (ROC) analysis, which has been widely used in such diverse fields as signal detection theory, psychology, epidemiology, and medicine. The results are derived under very general conditions that hold for the well-known random censorship and random truncation models. The performances of the proposed procedures are studied using Monte Carlo simulation. The methods are applied to analyze Mayo Clinic ovarian carcinoma data.