[論文レビュー] ROCnReg: An R Package for Receiver Operating Characteristic Curve Inference with and without Covariate Information

María Xosé Rodríguez‐Álvarez, Vanda Inácio|arXiv (Cornell University)|Mar 29, 2020

Statistical Methods and Bayesian Inference参考文献 52被引用数 8

ひとこと要約

この論文は、頻度的およびベイジアン手法（非パラメトリックおよびセミパラメトリックアプローチを含む）を用いて、プール化、共変量別、共変量調整済みのROC曲線を推定するためのROCnReg Rパッケージを紹介する。共変量を伴う診断精度の推論、Youden指数または目的のFPR（偽陽性率）を用いた最適閾値の特定、および事後予測チェックや情報量基準を用いたモデル診断を可能とし、肥満度（BMI）と心血管疾患リスクの関係を検討した実例で示されている。

ABSTRACT

The receiver operating characteristic (ROC) curve is the most popular tool used to evaluate the discriminatory capability of diagnostic tests/biomarkers measured on a continuous scale when distinguishing between two alternative disease states (e.g, diseased and nondiseased). In some circumstances, the test's performance and its discriminatory ability may vary according to subject-specific characteristics or different test settings. In such cases, information-specific accuracy measures, such as the covariate-specific and the covariate-adjusted ROC curve are needed, as ignoring covariate information may lead to biased or erroneous results. This paper introduces the R package ROCnReg that allows estimating the pooled (unadjusted) ROC curve, the covariate-specific ROC curve, and the covariate-adjusted ROC curve by different methods, both from (semi) parametric and nonparametric perspectives and within Bayesian and frequentist paradigms. From the estimated ROC curve (pooled, covariate-specific or covariate-adjusted), several summary measures of accuracy, such as the (partial) area under the ROC curve and the Youden index, can be obtained. The package also provides functions to obtain ROC-based optimal threshold values using several criteria, namely, the Youden Index criterion and the criterion that sets a target value for the false positive fraction. For the Bayesian methods, we provide tools for assessing model fit via posterior predictive checks, while model choice can be carried out via several information criteria. Numerical and graphical outputs are provided for all methods. The package is illustrated through the analyses of data from an endocrine study where the aim is to assess the capability of the body mass index to detect the presence or absence of cardiovascular disease risk factors. The package is available from CRAN at https://CRAN.R-project.org/package=ROCnReg.

研究の動機と目的

• 年齢や性別などの被験者固有の共変量に伴い診断テストの性能が変化する場合に、標準的なROC解析に見られる制限を解消すること。
• 頻度的およびベイジアンの両フレームワーク下で、プール化、共変量別、共変量調整済みのROC曲線を統合的に推定できるRパッケージを提供すること。
• AUC、部分AUC、Youden指数などの主要な精度指標の推論を支援し、複数の基準（Youden指数、目的のFPRなど）を用いた最適閾値の特定を可能とすること。
• ベイジアンフレームワーク下で、事後予測チェックや情報量基準を含む、モデルの評価と選択のためのツールを提供すること。
• 肥満度（BMI）が心血管疾患リスク要因を検出する能力を評価する実臨床内分泌研究を通じて、本パッケージの実用的有用性を示すこと。

提案手法

• 共変量別および調整済みROC推定に、パラメトリックモデル（例：正規誤差仮定）と非パラメトリックなカーネルスムージングを用いた頻度的アプローチを採用する。
• 条件付き密度の柔軟で分布に依存しない推定を実現するため、ディリクレ過程混合正規分布とベイジアンブートストラップを用いたベイジアン非パラメトリック手法を適用する。
• ROC曲線および関連要約統計量の事後分布推定のため、マルコフ連鎖モンテカルロ（MCMC）サンプリングを用いる。
• MCMC収束の評価にゲヴァケ統計量を用い、事後予測チェックと有効サンプルサイズを用いてモデル診断を実施する。
• Youden指数および目的の偽陽性率（FPF）基準を用いて最適閾値の推定を支援する。
• トレースプロット、信用区間、条件付き密度および閾値の事後平均曲線を含む、数値的およびグラフィカルな出力を提供する。

実験結果

リサーチクエスチョン

• RQ1 年齢や性別などの共変量に伴い診断テストの性能が変化する状況において、ROC曲線推定をどのように改善できるか？
• RQ2 共変量別および調整済みROC曲線推定において、頻度的アプローチとベイジアンアプローチの相対的な利点は何か？
• RQ3 共変量効果が存在する状況で、Youden指数や目的のFPR基準を用いて最適診断閾値をどのように選定できるか？
• RQ4 ベイジアンROCモデルに対して有効なモデル評価ツールは何か？実務的な実装方法は？
• RQ5 共変量情報を組み込むことで、実世界の応用において診断テスト評価の正確性と公平性はどの程度向上するか？

主な発見

• ROCnRegパッケージは、パラメトリック、セミパラメトリック、非パラメトリックモデルのすべてにおいて、プール化、共変量別、共変量調整済みのROC曲線推定を成功裏に実装した。
• ディリクレ過程混合正規分布を用いたベイジアン非パラメトリック手法により、強い分布仮定を必要とせず、柔軟かつ頑健な条件付き密度およびROC曲線の推定が可能となった。
• 事後予測チェックと情報量基準により、特に高次元で複雑な設定においても効果的なモデル比較と選択が可能となった。
• BMIが心血管疾患リスク要因を検出するための共変量別閾値は、年齢と性別によって顕著に異なり、同じ年齢の男性と比較して女性ではより高い閾値が観察された。
• 固定された偽陽性率（FPF = 0.3）における真正陽性率（TPF）の事後平均は、年齢および性別に依存する明確なパターンを示し、若年女性に比べて高齢男性のTPFが高かった。
• MCMCに基づく推論により、信頼区間と有効サンプルサイズが信頼できるものとなり、収束診断により安定した事後推定が確認された。