论文部分内容阅读
本次研究旨在于解决两分类诊断试验中的数据缺失问题,校正两分类诊断试验的证实偏倚,准确估计诊断试验的灵敏度与特异度。
本次研究采用多重填补和极大似然估计的方法,多重填补法对每个缺失数据用10个可能的值进行替代,然后估计相应的参数;极大似然估计法直接基于观察到的数据估计相应的参数。探讨多重填补与极大似然估计的适用条件及应用价值,为以后同类研究提供参考。
本次研究在不同的样本含量N=(50,100,200,400,800,1000,3000)、不同灵敏度Se=(0.6,0.9)、不同特异度Sp=(0.7,0.9)、不同阳性证实比例λ<,1>=(0.6,0.7,0.8,0.9)以及不同阴性证实比例λ<,0>=(0.1,0.2,0.3)的情况下模拟数据,并假设数据缺失为随机缺失,应用多重填补法中的MCMC方法估计缺失值,采用对数线性模型在无先验情况和有先验情况下估计参数。根据模拟数据的规律对实际资料即徐州医学院附属医院肿瘤科和放射科174例肝癌患者的回顾性调查数据进行缺失值的填补并对其诊断试验准确性进行了恰当的估计。
在本次研究中,根据灵敏度和特异度的95%可信区间的宽度以及可信区间的覆盖率来评价两种方法的优缺点,发现多重填补法的灵敏度区间宽度估计较极大似然估计法区间宽度窄,而特异度则相反;多重填补法估计的灵敏度区间的覆盖率较极大似然估计好,而特异度则相反。
从本次研究的几种模拟情况来看,多重填补估计的准确性并不比极大似然估计法好,但随着样本含量的增大两种方法的估计结果逐渐接近,这提示在以后相似问题的分析上,可以根据数据类型、研究目的以及资料的性状,选择恰当、简便的校正方法进行诊断试验的准确性估计。