組合多種生物標記方法的探討

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：16

、訪客IP：3.144.123.8

姓名

魏正杰(Zheng-Jie Wei) 查詢紙本館藏

畢業系所

統計研究所

論文名稱

組合多種生物標記方法的探討

相關論文

★ 藥物最低有效劑量之無母數鑑別	★ 根據貝氏檢定建構的第一期臨床試驗設計
★ 第一期臨床試驗之貝氏調適設計	★ 強餘震之即時貝氏預測
★ 鑑別最佳添加藥物劑量的兩階段早期臨床試驗設計	★ 臺灣地區地下水品質之統計研究
★ 右設限存活資料之下每日可服劑量之研究	★ 集集餘震之統計研究
★ 多群資料下最低有效劑量之聯合鑑別	★ 最大餘震規模之統計分析
★ 最大餘震發生時間之統計分析	★ 地震預測之統計分析
★ 加權Kaplan-Meier統計量之推廣	★ 鑑別藥物最低有效劑量之檢定
★ 餘震序列RJ模型之貝氏分析	★ 藥物最低有效劑量之穩健鑑別

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

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。

摘要(英)

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.

關鍵字(中)

★ 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

關鍵字(英)

★ Receiver Operating Characteristic Curve
★ Area under the ROC curve
★ Youden index

論文目次

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

參考文獻

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。

指導教授

陳玉英(Yu-Ying Chen)

審核日期

2018-7-23

推文