二分类集群数据下灵敏度和特异度的置信区间构建
2016-06-29霍剑
统计与信息论坛 2016年6期
霍 剑
(中国人民大学 统计学院,北京 100872)
二分类集群数据下灵敏度和特异度的置信区间构建
霍剑
(中国人民大学 统计学院,北京 100872)
摘要:在医学诊断等应用领域中广泛存在二分类集群数据,其特征是来自同一个群的反应结果存在相关。对于该数据下灵敏度和特异度的置信区间构造,目前已有方法在小样本及灵敏度或特异度偏大时区间覆盖率较差,通过利用二项分布得分区间的构造思想,基于灵敏度和特异度的最优加权估计量构造一种新的置信区间;通过蒙特卡洛模拟表明,与已有方法相比新区间的覆盖率明显最优、且区间长度较小;新区间在二分类集群数据的应用中值得推广。
关键词:集群数据;灵敏度;特异度;置信区间
一、引 言
集群数据(clustered data)普遍存在于医学诊断、放射研究等应用领域,其关键特征是来自同一个群的反应结果存在相关。比如在医学诊断中评估某一诊断方法检测结肠息肉的灵敏度,而研究发现每个病人有多处息肉,此时统计分析的基本单位不是病人而是息肉,这样在所有病人的息肉检测结果中,每个病人是一个群,不同病人的检测结果独立,而同一病人的多个息肉检测结果存在相关;这种例子还有很多,比如评价某一牙周炎诊断方法,研究的基本单位为病人牙齿表面的某个位置,此时同一病人的多个齿面位置的诊断结果存在相关。
灵敏度和特异度是评价医学诊断精确性的重要指标。灵敏度(sensitivity,Se)是真实情况为有病时诊断发现疾病的能力,即在实际有病的条件下诊断结果为阳性的概率。……
登录APP查看全文
