A Unified Approach to Nonparametric Comparison of Receiver Operating Characteristic Curves for Longitudinal and Clustered Data
纵向与聚类数据中ROC曲线非参数比较的统一方法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ROC曲线的统计比较，未提供所列经济计量细分方向的直接依据。
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
纵向与聚类数据中ROC曲线非参数比较的统一方法
- 研究问题
- 在配对诊断设计中，指标之间及同一受试者内部均可能相关；如何统一比较ROC曲线并对曲线差异提供有效推断？
- 方法与思路
- 作者将经验ROC曲线视为随机过程，推导相关结构下的联合渐近分布，并以无需非参数密度估计的蒙特卡洛方法近似该分布。
- 材料陈述的贡献
- 摘要提出加权曲线下面积比较、差异函数置信带、敏感度优势对应的特异度集合区间及多指标比较程序，并报告模拟表现。
- 阅读关注点
- 应核对配对与聚类设计的抽样条件、相关性处理方式，以及置信带、集合区间和多重比较各自控制的误差标准。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明。摘要未列渐近理论条件、模拟规模或误差控制数值，不能据此判断所有聚类设计的适用性。
原文摘要
We present a unified approach to nonparametric comparisons of receiver operating characteristic (ROC) curves for a paired design with clustered data. Treating empirical ROC curves as stochastic processes, their asymptotic joint distribution is derived in the presence of both between-marker and within-subject correlations. A Monte Carlo method is developed to approximate their joint distribution without involving nonparametric density estimation. The developed theory is applied to derive new inferential procedures for comparing weighted areas under the ROC curves, confidence bands for the difference function of ROC curves, confidence intervals for the set of specificities at which one diagnostic test is more sensitive than the other, and multiple comparison procedures for comparing more than two diagnostic markers. Our methods demonstrate satisfactory small-sample performance in simulations. We illustrate our methods using clustered data from a glaucoma study and repeated-measurement data from a startle response study.