调整ROC曲线分析中的协变量
这个问题是关于在存在相关量表的情况下，在多维筛查问卷中估算截止分数以预测二值终点的问题。 有人问我在设计可用于酗酒筛查的测量量表（人格特质）每个维度的临界值时，控制相关子分数的兴趣。也就是说，在这种特殊情况下，此人对调整外部协变量（预测变量）不感兴趣-这导致在经协变量调整的ROC曲线下产生（局部）面积（例如（1-2）），但实际上对其他分数没有影响来自同一份调查表，因为它们彼此相关（例如“冲动”与“寻求感觉”）。它构成了一个GLM，在左侧包含感兴趣的得分（我们寻求分值）和从同一份问卷中计算出的另一个得分，而在右侧则可能显示饮酒状态。 为了阐明（按@robin请求），假设我们有分数，例如（例如，焦虑，冲动，神经质，寻求感觉），并且我们想找到一个值（即“阳性案例”），否则为“负数”）。在设计此类临界值时，我们通常会针对其他风险因素（例如性别或年龄）进行调整（使用ROC曲线分析）。现在，由于已知SS与IMP相关联，因此如何在性别，年龄和寻求感觉（SS）上调整冲动（IMP）呢？换句话说，如果去除了年龄，性别和焦虑水平的影响，我们将获得IMP的临界值。x j t j x j > t jj = 4Ĵ=4j=4XĴXĴx_jŤĴŤĴt_jXĴ> 吨ĴXĴ>ŤĴx_j>t_j 除了说分界必须尽可能简单之外，我的回应是 关于协变量，我建议评估有无调整后的AUC，以查看预测性能是否提高。在这里，您的协变量仅仅是从同一度量工具定义的其他子评分，而我从未遇到过这种情况（通常，我会根据已知的风险因素进行调整，例如年龄或性别）。[...]此外，由于您对预后问题（即问卷的筛查功效）感兴趣，因此您可能还对估计阳性预测值（PPV，测试结果呈阳性并被正确分类的患者的概率）感兴趣您可以根据调查表上的子分数将主题分类为“阳性”或“阴性”。请注意， 您是否对这种特殊情况有更全面的了解，并在可能的情况下链接到相关论文？ 参考文献 Janes，H和Pepe，MS（2008）。在诊断，筛选或预后标志物研究中调整协变量：新环境中的旧观念。美国流行病学杂志 168（1）：89-97。 Janes，H和Pepe，MS（2008）。ROC分析中的调节协变量。华盛顿大学生物统计学工作论文系列，论文322。