Pruebas de significancia estadística del área bajo una curva de características de operación del receptor para un diseño de medidas repetidas con bootstrapping

La curva de características de operación del receptor (ROC) es un método eficaz y ampliamente utilizado para evaluar el poder discriminativo de una prueba diagnóstica o modelo estadístico. Como un método estadístico útil, se ha establecido una gran cantidad de literatura sobre sus teorías y métodos de cálculo. Sin embargo, la investigación sobre las curvas ROC se ha centrado principalmente en diseño transversal. Se ha realizado muy poca investigación sobre la estimación de curvas ROC y sus estadísticas resumidas, especialmente en cuanto a pruebas de significancia, para diseño de medidas repetidas. Debido a la complejidad de estimar el error estándar de una curva ROC, no existe un método estadístico establecido actualmente para probar la significancia de las curvas ROC bajo un diseño de medidas repetidas. En este documento, estimamos el área de una curva ROC bajo un diseño de medidas repetidas a través del modelo lineal mixto generalizado (GLMM) utilizando la probabilidad predicha de una enfermedad o positividad de una condición, y proponemos un método de bootstrap para estimar el error estándar del área bajo una curva ROC para tales diseños. La prueba de significancia estadística del área bajo una curva ROC se realiza luego utilizando el error estándar bootstrap. La validez del enfoque bootstrap y la prueba estadística del área bajo la curva ROC se validó a través de análisis de simulación. También se creó un software estadístico especial escrito en SAS/IML/MACRO v8 para implementar el algoritmo de bootstrapping, realizar los cálculos y las pruebas estadísticas.