Combining independent studies of a diagnostic test into a summary ROC curve: data-analytic approaches and some additional considerations.

Consideriamo come combinare diversi studi indipendenti dello stesso test diagnostico, dove ogni studio riporta un tasso stimato di falsi positivi (FPR) e un tasso reale positivo stimato (TPR). Proponiamo la costruzione di un ricevitore operating characteristic (ROC) curva con i seguenti passaggi. (I) Conversione ogni FPR alla sua logistica trasformare U e ogni TPR alla sua logistica trasformare V dopo l'aumento di ogni frequenza osservata con l'aggiunta di 1/2. (Ii) Per ogni studio calcola D = V - U, che è il rapporto di probabilità di registro di TPR e FPR, e S = V + U, una funzione implicita soglia di prova; poi tracciare il punto di ogni studio (Si, Di). (Iii) Montare una linea robusta resistente regressione a questi punti (o un minimi quadrati retta di regressione altrettanto ponderato), con V - U come variabile dipendente. (Iv) Back-trasformare la linea allo spazio ROC. Per evitare modello-dipendente estrapolazione da regioni irrilevanti di spazio ROC si propone di definire a priori il valore FPR così grande che il test semplicemente non sarebbe stato utilizzato in quel FPR, e un valore di TPR così bassa che la prova non sarebbe stato utilizzato a che TPR. Poi (a) solo i punti dati che si trovano nel rettangolo nord-ovest così definita del quadrato unitario sono utilizzati per l'analisi dei dati, e (b) il riassunto stimato ROC è raffigurato solo all'interno di quella subregione del quadrato unitario. Illustriamo i metodi che utilizzano insiemi di dati simulati e reali, e segnaliamo a modi di confronto tra diversi test e di prendere in considerazione gli effetti di covariate.