[论文解读] False discovery rate controlling procedures for discrete tests

Ruth Heller, Hadas Gur|arXiv (Cornell University)|Dec 20, 2011

Statistical Methods in Clinical Trials被引用 19

一句话总结

本文提出了针对离散多重检验的更强大的错误发现率（FDR）控制程序，利用离散性以减少保守性。它引入了一种新颖的逐步向下程序，其性能优于现有方法，尤其在离散数据常见的药物警戒应用中表现突出。

ABSTRACT

Benjamini and Hochberg (1995) proposed the false discovery rate (FDR) as an alternative to the family-wise error rate in multiple testing problems, and proposed a procedure to control the FDR. For discrete data this procedure may be highly conservative. We investigate alternative, more powerful, procedures that exploit the discreteness of the tests and have FDR levels closer in magnitude to the desired nominal level. Moreover, we develop a novel step-down procedure that dominates the step-down procedure of Benjamini and Liu (1999) for discrete data. We consider an application to pharmacovigilance spontaneous reporting systems, that serve for early detection of adverse reactions of marketed drugs.

研究动机与目标

• 解决在应用于离散检验统计量时，Benjamini-Hochberg程序所表现出的过度保守性问题。
• 开发更强大的FDR控制程序，使实际FDR更贴近离散检验场景下的名义水平。
• 提出一种新颖的逐步向下程序，其在离散数据上的效能和FDR控制方面优于Benjamini和Liu（1999）的逐步向下方法。
• 将所提方法应用于真实世界的药物警戒数据，以展示其在早期检测药物不良反应方面的实际应用价值。

提出的方法

• 通过利用p值的离散特性，改进Benjamini-Hochberg程序，以提升效能并减少保守性。
• 设计一种新型逐步向下程序，其临界值基于离散检验统计量的分布，以增强错误率控制。
• 利用离散p值的精确分布，计算比标准FDR方法更精确的拒绝阈值。
• 通过理论分析和模拟，将所提程序与现有逐步向上和逐步向下方法进行比较。
• 将方法应用于药物警戒中的自发报告系统，其中数据本质上是离散的，且需检验多个信号。

实验结果

研究问题

• RQ1 如何改进离散多重检验中的FDR控制程序，以减少过度保守性？
• RQ2 离散p值分布对标准FDR程序中实际FDR的影响是什么？
• RQ3 能否构建一种新型逐步向下程序，使其在效能和FDR控制方面优于离散数据下的Benjamini-Liu逐步向下方法？
• RQ4 所提程序在具有离散报告计数的真实世界药物警戒数据中表现如何？

主要发现

• 所提程序在应用于离散数据时，显著降低了标准Benjamini-Hochberg程序所表现出的保守性。
• 新型逐步向下程序在保持FDR控制的同时，其效能高于Benjamini-Liu逐步向下方法。
• 所提方法的实际FDR水平与名义FDR水平更加接近，远优于原始Benjamini-Hochberg程序。
• 在药物警戒应用中，这些方法尤其有效，因为离散报告数据常见，且信号检测需要高灵敏度。