有序分类资料下最优诊断界值选择方法的比较研究

摘要

目的 提出一种在诊断结局为有序多分类资料下选取最优诊断界值的新方法——广义综合指数法（generalized index union,GIU），通过模拟研究和实例分析评估GIU的各项性能并与其他常用方法进行比较。方法 在正态分布和Gamma分布假设下，基于多种均数，方差和样本量组合的模拟研究评估广义约登指数（generalized Youden index,GYI）、最接近完美点（closest-to-perfection,CP）、最大体积（maximum volume,MV）法和最大行列式绝对值（maximum determinant,MADET）法四种常用方法和GIU方法选取最优诊断界值的总正确分类率、各类正确分类率的平衡性和界值相关性并进行比较。结果 模拟研究显示，在除GYI之外的所有方法中，MV在几乎所有场景下的总正确分类率最大；新方法 GIU在几乎所有场景下平衡正确分类率的性能最优；GYI的界值相关性在大多数场景下是最低的，除它之外的所有方法在相关性方面表现相当。结论 应根据实际情况选择合适的最优诊断界值方法：如果要求总正确分类率最大，选择GYI；如果同等看重各类别的正确分类率，选择GIU；如果重视疾病的早期诊断，就不要选择中间过渡阶段概率较低的GYI和MV。

关键词

最优诊断界值 / 有序分类资料 / 正确分类率