(44.192.112.123) 您好!臺灣時間:2021/03/06 07:04
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:魏正杰
研究生(外文):Zheng-Jie Wei
論文名稱:組合多種生物標記方法的探討
指導教授:陳玉英陳玉英引用關係
指導教授(外文):Yu-Ying Chen
學位類別:碩士
校院名稱:國立中央大學
系所名稱:統計研究所
學門:數學及統計學門
學類:統計學類
論文種類:學術論文
論文出版年:2018
畢業學年度:106
語文別:中文
論文頁數:66
中文關鍵詞:受試者操作特徵曲線受試者操作特稱曲線下的面積Youden 指數冪轉換
外文關鍵詞:Receiver Operating Characteristic CurveArea under the ROC curveYouden index
相關次數:
  • 被引用被引用:0
  • 點閱點閱:73
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:14
  • 收藏至我的研究室書目清單書目收藏:0
利用生物標記判斷病人是否罹患疾病是一個重要的醫學研究問題。疾病的產生可能與數個生物標記有關,同時這些生物標記也可能互為相關,因此如何適當的組合這些生物標記,以便極大化其診斷疾病的能力就成為一個重要的醫學診斷問題。目前用以衡量生物標記診斷疾病效果的工具為受試者操作特徵曲線(Receiver Operating Characteristic Curve; 簡稱為ROC 曲線),特別是此一曲線下的面積(Area under the ROC curve;簡稱為AUC)與Youden指數(Youden index)已經成為診斷醫學的兩個通用的衡量準則。本文將根據AUC與Youden指數研究文獻中常用的組合生物標記方法的優劣,其中包含Su and Liu(1993)提出的組合多元常態生物標記方法與Pepe et al.(2006)建議的無母數方法,因為這些方法僅考慮最佳化或極大化AUC。本文一方面提出資料冪轉換使其能適用需多元常態分布生物標記的方法;另一方面為加速無母數生物標記組合方法的操作,考慮多種選擇初值。最後,藉模擬方法研究在不同分布下,原來的方法與修正後的方法在組合不同個數生物標記情形下的疾病診斷能力及所需要的操作相對時間。
It is an important medical problem to diagnose a disease by many biomarkers. Several biomarkers might be related to the disease under study and they are correlated. Therefore, how to combined these biomarkers so that the combined one reaches its maximum capability for disease diagnosis becomes an important issue in medical diagnosis. The correct tool in use for medical diagnosis based on biomarkers is the Receiver Operating Characteristic(ROC) curve. In particular, the area under the ROC curve(AUC) and the Youden index are the two most widely used criteria for diagnostic biomarkers. The two criteria are need to evaluate, for example, the parametric method by Su and Liu(1993) and the non-parametric one by Pepe et al.(2006) for the two methods are constructed only based on the AUC. In this article, the power transformation of data is suggested so that the parametric methods can be used. On the other hand, to speed up the computation of non-parametric method, the choice of initial values is discussed. Finally, a simulation study is conducted to investigate the performance of the original and modified methods on disease, diagnostic, and the required relative operating time.
目錄
摘要 I
ABSTRACT II
致謝 III
圖目錄 IV
表目錄 V
第一章 研究動機及目的 1
第二章 文獻回顧 4
2.1 AUC 與 YOUDEN指數 4
2.2組合多個生物標記的方法 5
2.3二元非常態分布資料之冪轉換 8
第三章 統計方法 9
3.1無母數方法初值的選擇 9
3.2多元非常態分布資料之冪轉換 9
第四章 模擬研究 11
4.1 模擬設計 11
4.2 模擬結果 13
第五章 實例分析 15
第六章 討論與總結 20
參考文獻 21
1. Bamber D(1975). The area above the ordinal dominance graph and the area below the receiver operation graph. Journal of Math. Psychology; 12: 387-415.
2. Box GEP and Cox DR(1964). An analysis of transformations. Journal of the Royal Statistical Society,Series B; 26: 211-252.
3. DeLong E, DeLong D and Clarke-Pearson D(1988). Comparing the areas under two or more correlated receiver operation characteristic curves: a non-parametric approach. Biometrics; 44: 837-845.
4. Johnson RA and Wichern DW(2007). Applied multivariate statistical analysis ,sixth edition. PEARSON: 192-200.
5. Li KC(1991). Sliced inverse regression for dimension reduction (with discussion). Journal of the American Statistical Association; 86: 316–342.
6. Liu C, Liu A and Halabi S(2011). A min–max combination of biomarkers to improve diagnostic accuracy. Statistics in medicine; 30(16): 2005–2014.
7. Molodianovitch K, Faraggi D, and Reiser B(2006). Comparing the Areas Under Two Correlated ROC Curves: Parametric and Non-Parametric Approaches. Biometrical Journal; 48(5): 745–757.
8. Montgomery DC, Peck EA and Vining GG(2015). Introduction to linear regression analysis ,fifth edition. WILEY: 422-430.
9. Pepe MS, Cai TX and Longton G(2006). Combining predictors for classification using the area under the receiver operating characteristic curve, Biometrics; 62: 221–229.
10. Percy ME, Andrews DF and Thompson MW(1982). Duchenne muscular dystrophy carrier detection using logistic discrimination: serum creatine kinase, hemopexin, pyruvate kinase, and lactate dehydrogenase in combination. American Journal of Medical Genetics; 13(1): 27–38.
11. Perkins KJ and Schisterman EF (2005). The Youden Index and the optimal cut-point corrected for measurement error, Biometrical Journal; 4: 428-441.
12. Pfeiffer RM and Bura E(2008). A model free approach to combining biomarkers. Biometrical Journal; 50(4): 558-570.
13. Ross MS(2013). Simulation, fifth edition. Elsevier: 250-254.
14. Su JQ and Liu JS(1993). Linear combinations of multiple diagnostic markers. Journal of the American Statistical Association; 88(424): 1350–1355.
15. Weisberg S(2002). DimensionmReduction Regression in R. Journal of Statistical Software; 7: 1-22.
16. Yin J and Tian L(2014). Optimal linear combinations of multiple diagnostic biomarkers based on Youden index. Statisstics in Medicine; 33: 1426-1440.
17. Youden WJ(1950). Index for rating diagnostic tests. Cancer; 3: 32-35.
18. 陳秀琴(2011),針對右偏分布資料進行兩個醫學診斷方法之相等性檢定。國立中央大學統計研究所碩士論文。
19. 宋嘉祥(2015),應用受試者操作曲線下的面積及Youden指數比較兩個相關生物標記之研究。立中央大學統計研究所碩士論文。
連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔